如果说驱动子系统是机器人的肌肉，能源子系统是机器人的心脏，那么控制和决策子系统就是机器人的大脑。这是机器人最重要、最复杂的一个子系统。

机器人是一种高度复杂的自动化装置。其控制子系统也是直接来源于自动化领域的其他应用，例如工厂自动化领域中所用到的处理器、电路以及标准。本章仅仅列举并对比了几种常见的、典型的控制系统拓扑结构，然后分析了几个典型的机器人控制子系统的构成，特别是详细说明了“创意之星”机器人的控制架构。

典型的几种机器人控制架构(ARCHITECHURE)

这里我们不讨论传统的工业机器人，主要关注的是自主移动机器人、仿生机器人等新形态的机器人。通常，机器人的架构是指如何把感知、建模、规划、决策、行动等多种模块有机地结合起来，从而在动态环境中，完成目标任务的一个或多个机器人的结构框架。总的说来，当前自主机器人的控制架构可分为下述几类：

1. 程控架构，又称规划式架构，即根据给定初始状态和目标状态规划器给出一个行为动作的序列，按部就班地执行。较复杂的程控模型也会根据传感器的反馈对控制策略进行调整，例如在程序的序列中采用“条件判断+跳转”这样的方法。

2. 包容式架构和基于行为的控制模型，又称为反应式模型，复杂任务被分解成为一系列相对简单的具体特定行为，这些行为均基于传感器信息并针对综合目标的一个方面进行控制。基于行为的机器人系统对周围环境的变化能作出快速的响应，实时性好，但它没有对任务做出全局规划，因而不能保证目标的实现是最优的。

3. 混合式架构，是规划和基于行为的集成体系，不仅对环境的变化敏感，而且能确保目标的实现效率。通常混合式架构有两种模式：一种模式是，决策系统的大框架是基于规划的，在遇到动态情况时再由行为模型主导；另一种模式是，决策系统的大框架基于行为，在具体某些行为中采用规划模型。总之，混合式架构的设计目的是尽可能综合程控架构和包容式架构的优点，避免其缺点。

下面几小节对以上三种架构进行初步的讨论。更进一步的资料，请参阅相关文献。本书的附录中列出了一些可供参考阅读的书籍资料。

1.1 集中程控架构

传统的机器人大都是工业机器人。他们通常工作在流水线的一个工位上，每个机器人的位置是已知、确定的；设计者在每台机器人开始工作之前也很清楚他的工作是什么，他的工作对象在什么位置。这种情况下，对机器人的控制就变成了数值计算，或者说“符号化”的计算。例如，我们通过实地测量可以得到一台搬运机器人的底座的坐标；再通过空间机构几何学的计算（空间机器人的正解、逆解），可以得到机器人的各个关节处于什么样的位置的时候其末端的搬运装置可以到达给定位置。这样，机器人控制策略设计者是在一个静态的、结构化的、符号化的环境中编写策略；他不需要考虑太多的突发情况，至多需要考虑一些意外，例如利用简单的传感器检测应该被搬运的工件是否在正确的位置，从而决定是否报警或者停止工作等等。

这类机器人通常由一个单独的控制器。这个控制器收集从机器人各个关节、各个附加传感器传送来的位置、角度等信息，通过控制器处理后，计算机器人下一步的工作。整个机器人是在这个控制器的控制下运作，对于一些异常的处理也在程序的设定范围内。下图是两个典型的采用集中式系统架构的移动机器人框图。左侧的框图的控制器是一台PC机，它担负了所有的信息采集、处理和控制功能；右图是经过改进的机器人架构：在PC机之外，增加了一个DSP控制器，承担了PC 机的部分工作。但是，这两种架构下控制器的负担都相当重，并且如果控制器出现故障，整个机器人将会瘫痪。

对于上面描述的工作内容，程控式、集中控制式结构是非常理想的。如前所述，机器人不会遇到太多动态的、非符号化的环境变化，并且控制器能够得到足够多的、准确的环境信息。设计者可以在机器人工作前预先设计好最优的策略，然后让机器人开始工作，过程中只需要处理一些可以预料到的异常事件。

但是，假设我们要设计一个在房间里漫游的移动机器人，房间的大小未知；并且我们也无法准确地得到机器人在房间中的相对位置，这种架构将无法获得足够的信息，并且无法处理未知的突发情况。因此对于传统意义之外的机器人，例如移动机器人、宠物机器人等，程控式控制架构就很难适应了。

集中式程控架构的优点是系统结构简单明了，所有逻辑决策和计算均在集中式的控制器中完成。这种架构很清晰：控制器是大脑，其他的部分不需要有处理能力。

而对于仿生机器人、在未知环境中工作的机器人，一个大脑处理所有事情真的合适吗？

考虑蚯蚓、蜈蚣之类的低等生物。它们的大脑很不发达（甚至没有大脑），反而具有一个很发达的脊索或者很夺个神经节。大部分是这些分布在全身的神经节在主导它们的活动和反应，而不是大脑。

读者在中学生物课中应该做过这么一个试验：

用一个小锤子，轻轻地敲膝盖以下的位置。你会发现小腿不受控制地自动抬起。这是著名的“膝跳反射”试验。这个实验说明，即使是人类这样的高等生物，也不是全部的生命活动都在大脑的控制之下。设想一个具有人类全部功能的机器人。它有数百个电动机对应人类的数百块肌肉，有数万个传感器，对应人类的皮肤、眼睛、鼻子和耳朵等。如果采用集中式控制架构，这个机器人的大脑将很难负荷如此庞大的数据运算和决策。

因此对于工业机器人之外的其他机器人，发展出了分层式控制架构、包容式架构，以及混合式架构等更适合其特点的控制架构。

首页 上一页 1 2 3 4 下一页 尾页 跳转到 1234页