智能家居機器人的開發關鍵技術

楊蘇娟 周非凡 南京郵電大學

1 環境感知技術

人工智能環境感知技術是實現自主機器定位、導航的前提，通過對周圍環境進行有效的感知，人工智能可以更好地進行自主定位、環境探索與自主導航等基本任務的實施。環境感知技術是人工智能自主行為理論中的重要研究內容，具有十分重要的研究意義。

人工智能的環境感知技術的研究分為三個方面。1、環境信息的獲取。人工智能可以通過各種傳感器來獲取周圍環境的信息，在這次的項目中我們將利用視覺傳感器將景物的光信號轉換成電信號。2、環境信息的提取與處理。視覺傳感器可以直接對外界環境進行拍攝，提取物體的顏色、邊界等特征信息，然后對特征進行去噪、聚類和匹配等處理，達到對環境進行識別的目的。3、對外界環境特征進行提取和處理后，在完全位未知的環境中，人工智能利用自身攜帶的傳感器，如激光測距儀、超聲傳感器、視覺攝像頭等感知環境，從得到的感知信息中提取出環境特征，構建出環境地圖。

2 語音識別技術

根據對說話人說話方式的要求，可以分為孤立字（詞）語音識別系統，連接字語音識別系統以及連續語音識別系統。 根據對說話人的依賴程度可以分為特定人和非特定人語音識別系統。語音識別技術主要包括特征提取技術、模式匹配準則及模型訓練技術三個方面。此外，還涉及到語音識別單元的選取。

（1）語音識別單元的選取

選擇識別單元是語音識別研究的第一步。語音識別單元有單詞（句）、音節和音素三種，具體選擇哪一種，由具體的研究任務決定。音節單元多見于漢語語音識別，主要因為漢語是單音節結構的語言，而英語是多音節，并且漢語雖然有大約1300個音節，但若不考慮聲調，約有408個無調音節，數量相對較少。因此，對于中、大詞匯量漢語語音識別系統來說，以音節為識別單元基本是可行的。

（2）特征參數提取技術

從信息論角度講，這是信息壓縮的過程。 線性預測（LP）分析技術是目前應用廣泛的特征參數提取技術，許多成功的應用系統都采用基于LP技術提取的倒譜參數。

（3）模式匹配及模型訓練技術

模型訓練是指按照一定的準則，從大量已知模式中獲取表征該模式本質特征的模型參數，而模式匹配則是根據一定準則，使未知模式與模型庫中的某一個模型獲得最佳匹配。語音識別所應用的模式匹配和模型訓練技術主要有動態時間歸正技術（DTW）、隱馬爾可夫模型（HMM）和人工神經元網絡（ANN）。

DTW是較早的一種模式匹配和模型訓練技術，但因其不適合連續語音大詞匯量語音識別系統，目前已被HMM模型和ANN替代。

HMM模型是語音信號時變特征的有參表示法。它由相互關聯的兩個隨機過程共同描述信號的統計特性。模型參數包括HMM拓撲結構、狀態轉移概率及描述觀察符號統計特性的一組隨機函數。

ANN本質上是一個自適應非線性動力學系統，模擬了人類神經元活動的原理，具有自學、聯想、對比、推理和概括能力。

3 路徑規劃和避障技術

機器人路徑規劃技術，就是機器人根據自身傳感器對環境的感知，自行規劃出一條安全的運行路線，同時高效完成作業任務。移動機器人路徑規劃主要解決3個問題：(1) 使機器人能從初始點運動到目標點；(2) 用一定的算法使機器人能繞開障礙物，并且經過某些必須經過的點完成相應的作業任務；(3) 在完成以上任務的前提下，盡量優化機器人運行軌跡。按照策略分類，路徑規劃算法可以分為一下四類：模版匹配路徑規劃技術、人工勢場路徑規劃技術、地圖構建路徑規劃技術和人工智能路徑規劃技術。其中人工勢場路徑規劃技術的優點為算法簡明，實時性良好,占用計算資源少，規劃路徑軌跡圓滑，非常適合移動機器人領域，因此本課題采用人工勢場法路徑規劃技術，結合超聲波傳感器，實現路徑規劃和避障。

4 應用場景

兩個場景：主人回家的場景及需要搜尋物品的場景。

智能家居機器人與其他的機器人不同地方就在于它是陪伴型的機器人，而陪伴的過程中最直接的接觸就是交流，包括回到家打開門就可以看見機器人是對感情很好的發展，也能使人對機器人產生感情和依賴。當主人回到家，在門外喊開門時，機器人就會進行語音識別，在確認無誤后調用各種功能前進至門口把將門打開，迎接主人歸家。

而搜尋物品的場景是當主人當即需要拿到某一件物品時，它能夠準確無誤地找到此物品并將其交與主人。這就解決了主人出門前手忙腳亂找不到鑰匙手機錢包等的困擾，也能在日常生活中解決常常遇到的冥思苦想無法想起過往的物件所放置的位置的問題?？偠灾悄芗揖又皇侵悄軝C器人的一個應用方面，在這個方面它還有更廣大的空間可以不斷發展。

[1]DongCaiYu. Mobile robot autonomous navigation and positioning technology.