| 标题 | AI技术在智能导航中的智能化模式研究 |
| 范文 | 刘峰 摘要： 认知智能是机器与人类智能最为接近的高级智能，为促进导航系统认知智能的发展，首先介绍了谷歌团队提出的人工智能空间自导航能力，然后结合智能导航机器智能的需求分类，同时结合倾斜摄影、虚拟现实等前沿技术，给出3种该人工智能技术在智能导航方面的智能化应用模式，分别为移动机器人智能导航完善、三维地图快速生成与路径优化，以及室内复杂环境寻路模拟。3种模式将最新人工智能技术与前沿科技热点进行了合理融合，可为导航技术认知智能的发展提供新思路。 关键词：认知智能；人工智能；智能导航；自导航 DOIDOI：10.11907/rjdk.181929 中图分类号：TP302 文献标识码：A文章编号文章编号：16727800（2018）009004003 英文标题Research on Intelligent Mode of AI Technology in Intelligent Navigation ——副标题 英文作者LIU Feng 英文作者单位（Civil Aviation Telecom co.，Ltd，Beijing 100122，China） 英文摘要Abstract：Cognitive intelligence is the advanced intelligence of the machine closest to human intelligence. To promote the development of cognitive intelligence in navigation systems， we first introduce the selfnavigation capability of artificial intelligence space proposed by Google team， and then combine the requirements of intelligent navigation machine intelligence， and combine The cutting edge technology， such as tilt photography and virtual reality， gives three intelligent application modes of artificial intelligence technology in intelligent navigation， namely， intelligent navigation of mobile robots， rapid generation of 3D maps and path optimization， and simulation of indoor complex environment pathfinding. The three models integrate the latest artificial intelligence technology with the hotspot frontier technology， and propose new ideas for the cognitive intelligence development of navigation technology. 英文关键词Key Words：cognitive intelligence；artificial intelligence； intelligent navigation； self navigation 0引言 美国东部时间2018年5月9日，谷歌DeepMind团队与伦敦大学学院（ULC）在《自然》杂志上发表重磅研究成果[1]：人工智能演化出与动物大脑类似的空间自导航能力。该研究成果标志着人工智能在认知智能研究方面迈上了新台阶。智能导航是导航系统的发展趋势，也是当前学者们研究的热点。詹镭等[2]针对操控人员无法实时了解四旋翼无人机飞行状态的问题，通过设计智能导航系统，实现无人机的自主飞行；樊培毅[3]为提高地下停车场的车位利用率，提出一种基于位置指纹的WiFi室内定位方法，为地下停车场的智能化导航带来极大便利；李泉溪等[4]采用超声波探测方法，结合人类经验及模糊控制理论对四轮移动机器人进行了智能导航研究。目前，智能导航仅是利用现有定位系统，或基于已有三维地图数据，通过一定算法，给出优化的路径选择方法，导航智能仍停留在计算智能与感知智能上。例如，常见定位技术包括GPS定位[2，5]、蓝牙定位[6]、WiFi定位[3，7]等，智能导航必须依托这些信息进行计算，在缺乏上述信号的复杂野外环境以及对抗性强的战场环境，现有智能导航则难发挥作用。认知智能可以使智能导航系统进行理解与思考，在定位信号缺失的情况下，可通過快速识别周围环境，自我判断最优路径，因此是未来智能导航的发展趋势[8]。本文从谷歌DeepMind自导航能力出发，通过分析人工智能的分类，针对智能导航系统需求，结合近年来虚拟现实、倾斜摄影等热门科技，探讨智能导航在智能化领域的应用模式。 1谷歌AI自导航能力 1.1概述 在未知环境中根据周围环境特点自我寻路是哺乳类动物的基本技能。然而人工智能体即便经过了强化学习训练，其在导航能力方面依然与哺乳类动物有较大差距。研究发现，哺乳类动物的这一能力主要由大脑嗅皮层的网状细胞支撑。网格细胞的作用是提供一个多维度周期表示，其作用类似于一个编码空间，对于集成自运动（路径集成）与计划直接轨迹到目标（基于矢量的导航）具有关键作用。谷歌旗下的DeepMind公司与英国伦敦大学学院联合署名在《自然》杂志发表题为“Vector-based navigation using gridlike representations in artificial agents”的文章，利用深度神经网络技术，得到类似哺乳类动物大脑嗅皮层网状细胞的网状神经网络结构，使人工智能体获得了空间自导航能力，即在未知地域，通过智能体的自我学习获得地域特征并找到最短路径，当地域的地形动态发生变化时，智能体能够再次找到捷径。该发现标志着人工智能体在空间导航能力方面获得了类似人类的认知智能。 1.2实现方法 研究人员首先训练了一种循环网络以执行路径集成，产生一种类似网格细胞的表征，该表征与哺乳动物大脑皮层内嗅区的细胞类型非常相似。随后，利用该表征为人工智能体在具有挑战、不熟悉且变化多端的环境中定位目标提供一种有效的导航基础。网络中的网格单元为智能体带来了基于矢量的导航能力，原理如图1所示（彩图见封二）。网格单元用来计算到目的地的最短路径，其中底部圆圈表示不同尺度下的网格单元，有颜色的单元表示激活的细胞。当智能体移动时，网格编码发生改变，不同网格单元会被激活，以反映进入不同区域。图中右下橙色点是出发点，左上绿色点是目的地。当智能体探索房间时，网格单元被激活表示智能体位置（橙色椭圆），此时网格单元的活跃模式即为“当前网格编码”。当智能体通过蜿蜒路径第一次到达目的地时，网格单元会激活成绿色，表示智能体已到达目的地，目的地会存储于目标网格编码中，于是智能体记忆了目的地位置。当智能体再一次从起始点开始时，会从记忆中获得目的地网格编码，然后计算一个从起点到目的地最近路径的向量，智能体会跟据该计算向量选择一段最短路径，并最终利用基于向量的导航系统到达目的地。 2导航智能需求 机器智能通常分为3类，即计算智能、感知智能与认知智能。所谓计算智能，即机器能够计算、统计、保存与存储的能力，目前机器在计算智能方面已超过人类。例如，我国的天河二号计算机，每秒可进行33.86千万亿次的浮点运算；感知智能是指机器听说读写的能力，目前机器已在部分场合下拥有了该能力，但与人类相比还存在差距。例如，近年来图像识别技术已在部分领域如车牌识别、人脸识别方面得到应用，但在快速变化的动态场景中，机器的感知智能仍然存在问题；认知智能强调机器会思考、理解与决策，该智能与人类智能更为接近，但实现难度很大。该智能强调机器能够综合分析多种信息，在无人类帮助的情况下，能够独立分析事物内在规律，并作出合理反应。2018年5月8日谷歌演示了“谷歌Duplex”技术——它能够以自然的人声打电话预约理发服务，被预约方甚至无法分辨对面是否是机器，该技术是认知智能在机器智能方面的一次突破。智能导航系统的3类机器智能现状对比如表1所示。我国近年来在机器认知智能方面进行了大量研究，但与国外相比仍存在差距。 目前，智能导航在认知智能方面存在明显瓶颈，认知智能技术一旦得到突破，将为智能导航带来重大变革，导航系统对定位信息的依赖度将降低，并能够自适应地给出导航路线。谷歌AI自导航能力即是认知智能的一种突破，机器智能体不但能够理解周围环境，还能思考环境中的最优路线，并且通过决策选择一条最优路线作出行动。因此，将谷歌AI自导航能力应用于智能导航系统，将有效改善导航系统中的智能情况。 3自导航AI应用模式 谷歌AI自导航能力给机器带来了寻路方面的认知智能，根据谷歌自导航AI特点，结合目前的最新科技，本文给出了3种谷歌AI自导航技术在智能导航方面的应用模式。 3.1移动机器人智能导航完善 目前，移动智能机器人导航主要有3种途径，即：航位推算、无线电定位及地形匹配。航位推算是指根据初始点，通过计算机器人的运动速度、方向及时间，计算出目前位置并推算出下一步位置[9]；无线电定位是指通过地面基站或卫星，获得相应的无线电定位信息，并根据无线电特性计算出移动物体位置。无线电导航也是生活中最常见的导航手段，如GPS导航系统、北斗导航系统等，近年来也发展出利用蓝牙、WiFi、红外进行定位的手段[10]；地形匹配主要针对飞行设备，设备系统预先存储有运动体所要飞越地区的三维（立体）数字地形模型，在飞行过程中通过雷达设备匹配地形高程地图进行导航[11]。除上述3种导航方式外，激光设备也被用来进行定位导航[12]。但上述导航技术对预先准备好的数据或数据通信过程依赖性强，因而在对抗性强的复杂陌生环境中，导航存在瓶颈。例如，无线电定位必须保持机器人与卫星或基站的有效通信，地形匹配必须有事先存储好的三维地图，航位推算需要通过通信在一定时间对位置进行校准，激光定位必须设定参考目标物体等。谷歌AI自导航能力的出现，将给机器人带来在复杂对抗条件下的智能导航能力。机器人能够在预先准备好的数据完全失效、与导航基站失联的情况下，自主寻找目的地并发现最优路径。特别是在未来作战中，将该技术应用于智能机器人，将减少智能机器人被敌人捕获的概率，在各种导航条件缺失的情况下，拥有保底导航寻路手段。 3.2三维地图快速生成与路径优化 随着我国城市内高楼大厦数量的增多，以及地下通道、高速桥梁建设的加快，三维地图的重要性不断增强，对三维地图的实时性要求也越来越高[13]。倾斜摄影技术[1416]是国际摄影 测量领域近十几年发展起来的一项高新技术，该技术通过从1个垂直、4个倾斜、5个不同视角同步采集影像，获取到丰富的建筑物顶面及侧视的高分辨率纹理。通过无人机携带专用摄像头，对目标地形进行多次纹理照片采集，并将采集到的高分辨率纹理照片在专业软件中进行融合，从而快速生成地形三维地图。形成的地图类似于三维建模产生的真实地形环境，真实度高、生成速度快，整个过程不需专业人士进行手动建模。然而，建成的三维地理模型通常覆盖范围大，地图不但在二维方向上信息量巨大，在垂直方向上也具有多样性，要想完全掌握地图信息具有一定难度。因此，利用生成的三维地图进行最优线路规划时，由于地图的复杂性，传统智能算法存在一定局限性。可以利用谷歌AI的自导航能力，通过在三维地图上同时放置多个智能体，并给不同智能体设置不同目的地，经过智能体的独立寻路，快速找到不同目的地之间的最优路径。特别是在地形环境变化剧烈的情况下，如自然灾害后的地形环境，可以结合上述两种技术，迅速了解灾后真实的地形地貌，并快速获取救灾最优路径。 3.3室内复杂环境寻路模拟 目前，城市中的室内综合体规模越来越大，室内环境复杂程度逐渐增高[17]。掌握室内综合体中人群流动规律，将对基于WiFi与蓝牙的室内导航系统研发提供重要依据，同时能够为规划消防疏散最优路径、引导人群向非密集区域流动、高效整合室内综合体中各种导航资源提供帮助[18]。谷歌AI自导航能力的出现，将为复杂综合体中的人群流动研究提供新手段。利用三维建模技术对室内综合体进行三维建模，并在建立好的模型中添加多个智能体，通过给智能体添加一定行动规则，结合谷歌AI的自导航能力，能够在虚拟环境下逼真地模拟出人群流动行为。同时结合虚拟现实技术（VR），可提升用户体验感。虚拟现实技术是一种可以创建与体验虚拟世界的计算机仿真系统，能够使用户沉浸式地体验虚拟场景三维动态视景与实体行为[1920]。将智能体建模成逼真的三维人物模型，导航系统开发者通过使用虚拟现实头盔等设备，以第一人称视角真实观看人群流动情况，能够一定程度上降低对实际情况的理解误差。 4结语 本文介绍了谷歌DeepMind开发自导航AI的基本情况，分析了智能导航的几种智能需求，对自导航能力在智能导航中的应用进行分析，并给出了3种应用模式。3种模式融合了最新AI技术与前沿科技，为导航技术认知智能的发展提出了新思路。这些模式的实现将提升复杂条件下智能系统的导航能力，并为智能机器人在军事、医学、物流等领域的应用提供良好前景。 参考文献参考文献： [1]ANDREA B， CASWELL B， BENIGNO U， et al. Vectorbased navigation using gridlike representations in artificial agents[J]. Nature，2018， 557：429433. [2]樊培毅，陈阳，程森森，等.基于WiFi室内定位的地下停车场智能导航系统[J].物联网技术，2016，6（4）：3134. [3]詹镭，贺人庆，谢阳，等.基于微型四旋翼无人机的智能导航系统[J].电子测量技术，2011，34（6）：13，29. [4]李泉溪，巩庆民.移动机器人智能导航系统的研究与设计[J].河南理工大学学报：自然科学版，2008（1）：9396. [5]李涵，崇日思托.基于Android平台的信息交互软件设计[J].软件导刊，2018，17（5）：4345. [6]孙纬民，杜庆治.基于WiFi与蓝牙的室内定位技术探究[J].软件导刊，2018，17（3）：169171. [7]漏鳴杰，秦会斌.基于多传感器与WiFi融合的室内定位方法[J].软件导刊，2017，16（9）：138141. [8]胡晓峰.军事指挥信息系统中的机器智能：现状与趋势[J].人民论坛·学术前沿，2016（15）：2234. [9]李金凤，王庆辉，刘晓梅，等.基于MEMS惯性传感器的行人航位推算系统[J].传感器与微系统，2014，33（12）：8587，90. [10]崔平远，冯军华，朱圣英，等.基于三维地形匹配的月球软着陆导航方法研究[J].宇航学报，2011，32（3）：470476. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。