基于情境的机器人学

基于情境的机器人学 (Situated Robotics) 是针对处于动态，复杂，无规则环境下机器人（主体）的控制问题的研究。常见的情境机器人 (Situated Robot) 包括在街道中行驶的无人驾驶汽车，机器人足球队以及在人群中穿行的移动机器人。而非情境机器人则包括在高度规则可预测环境中工作的流水线机器人等。在这样环境中，机器人的控制复杂度通常取决于外部未知环境的变化程度，对机器人快速响应的要求以及任务的复杂程度。

[描述来源：Mataric M.J. 2006. Situated Robotics. Encyclopedia of Cognitive Science URL: http://onlinelibrary.wiley.com/doi/10.1002/0470018860.s00074/abstract ]

发展历史

在传统机器人研究中，机器人需要完成采集并组合传感器信息，构造环境模型，据此规划运动并执行。但是，这种模型不仅需要大量的运算，显著影响机器人性能，同时无法适应外界环境的变化。MIT AI Lab的Rodney A. Brooks教授于1986年首次采用包容体系结构(subsumption architecture)设计了在可自主躲避动态无规则人群的机器人Allen，并于1991的论文“Intelligence Without Reason”中首次提出了Situatedness的概念来描述机器人和其所处环境的关系。不同于传统算法在高度规则的环境中对内建的目标模型进行优化，基于情境的机器人更加灵活，它不需要复杂的环境模型，而是将机器人的行为简化为从感知到执行的刺激响应，并以此来实现对外界未知环境的及时响应。

[描述来源: Intelligence Without Reason URL:http://jmvidal.cse.sc.edu/library/brooks91a.pdf]

[描述来源: Robot Allen - Wikipedia URL: https://en.wikipedia.org/wiki/Allen_(robot)]

基于情境的机器人设计主要包括了反应式控制系统(Reactive Control)和基于行为的控制系统(Behavior-based Control)两大类。反应式系统类似于生物体的刺激-反应(Stimulus-response)模型，它将传感器输入和执行机构输出紧密结合来实现合理且快速的反应，不需要采用抽象的符号系统和复杂的推理过程 。基于行为的系统进一步扩展了反应式系统。它采用一种自下而上(bottom-up)的设计，其中的每一个部分都被封装成一种“行为(behavior)”，每一个行为并行存在，均可以访问传感器和执行机构。一系列的行为按照一定的行为选择策略被激活，从而实现了基于行为的控制系统。

基于行为的机器人设计是目前较为被广泛应用的方案，iRobot公司2002年首次发布的基于行为系统的Roomba 扫地机器人在商业上取得重大突破。此外，Mark Tilden 受到Brooks教授实验的启发，针对基于行为的机器人能够大幅减小运算量的特点做进一步优化，并发展成为BEAM Robotics社区。与此同时，由于其擅长处理动态未知环境的特点，基于行为的机器人也被用于多机器人团队(multi-robot team)协调问题的研究。

[描述来源: Robots at the tipping point: the road to iRobot Roomba URL: http://ieeexplore.ieee.org/document/1598056/]

[描述来源: Behavior-based Robotics - Wikipedia URL: https://en.wikipedia.org/wiki/Behavior-based_robotics]

目前，作为认知学中情境认知理论(Situated Cognition) 与人工智能(Artificial Intelligence)交叉所产生的研究方向，基于情境的机器人研究已经在当今的机器人实验室中占重要地位，并广泛的应用于无人驾驶，辅助机器人(assistive robots)，协作机器人(cooperative robots)等多个领域。

主要事件

发展分析

瓶颈

近些年来，计算机视觉以及SLAM算法的突飞猛进使得传统的“建模-规划”策略更加完善，基于情境的机器人研究面临巨大的竞争。

未来发展方向

基于情境的机器人与强化学习(Reinforcement Learning)等技术结合

基于情境的机器人与传统AI策略共同构成混合模型

Contributor: Zhongtao Liu