我正在运行物理模拟并将一组运动指令应用于模拟骨架。我有多组关于骨骼的指令,包括对腿、 ARM 、躯干等施加力以及对各自骨骼施加力的持续时间。每组指令(行为)都是通过测试其执行所需行为的有效性来开发的,然后使用遗传算法与其他类似行为一起修改该行为,并再次进行测试。骨架的设置列表中将有一个数组行为。
我有健身功能,可以测试稳定性、速度、熵最小化和关节力。问题是任何给定的行为都适用于特定的上下文。一种行为适用于平坦的地面,另一种行为适用于右脚前面有凸起的情况,另一种行为适用于左脚前面的情况,依此类推。因此,每种行为的适合度会根据上下文而变化。仅根据之前的健康水平来选择行为是行不通的,因为该健康分数不适用于此上下文。
我的问题是,如何编程让骨架为上下文选择最佳行为?例如为随机的崎岖地形选择最佳的行走行为。
最佳答案
在different answer中我已经回答了这个问题,我假设您的模型的“地形”信息非常近似且粒度较大,例如“光滑平坦”,“粗糙”,“岩石”等,也许只是在网格级别。然而,如果世界模型实际上非常详细,例如 3-D laser range scanner 的模拟版本,然后是算法和计算path/motion planning机器人技术可能比机器学习分类器系统更有用。
路径/运动规划方法
有相当多的路径和运动规划方法,包括一些可能更适合步行/运动的方法,但一些更通用的值得一提的是:
- 可见度图表
- 潜在领域
- 基于抽样的方法
一般的解决方法是使用路径规划方法来确定您的骨骼应遵循的行走轨迹以避免障碍物,然后使用基于 GA 的 Controller 来实现适当的运动。这是 robotics 的核心。 :感知世界并确定实现某些目标所需的行动和运动控制。
此外,快速文献检索发现了以下论文和一本书,作为进一步研究的想法来源和起点。关于腿式机器人运动规划的论文可能特别有用,因为它讨论了几种运动规划策略。
阅读建议
史蒂文·迈克尔·拉瓦勒 (2006)。 Planning Algorithms ,剑桥大学出版社。
克里斯·豪瑟、蒂莫西·布雷特尔、让-克洛德·拉通贝、原田健介、布莱恩·威尔科克斯 (2008)。 “Motion Planning for Legged Robots on Varied Terrain”,国际机器人研究杂志,卷。 27、第 11-12 号、1325-1349、 DOI: 10.1177/0278364908098447
Guilherme N. DeSouza 和 Avinash C. Kak (2002)。 “Vision for Mobile Robot Navigation: A Survey”,IEEE 模式分析和机器智能汇刊,卷。 24,第 2 期,二月,第 237-267 页。
关于artificial-intelligence - AI行为决策,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/3077380/