没有合适的资源?快使用搜索试试~ 我知道了~
仿生智能与机器人1(2021)100001仿生智能与机器人学发展综述王建坤a,1,陈渭南a,1,肖晓a,1,徐阳新b,1,李晨明b,肖佳b,Max Q.-H. 孟a,b,c,a中国深圳南方科技大学电子电气工程系b香港中文大学电子工程系,新界沙田, 中国香港c香港中文大学深圳研究院,中国深圳A R T I C L E I N F O关键词:仿生机器人仿生智能A B S T R A C T仿生学是通过模仿自然界的模型和系统来发展新的理论和技术。从生物科学到工程的功能转移促进了许多不同学科的新兴研究领域。最近,仿生智能和机器人技术的进步已经获得了极大的普及。仿生机器人是根据生物的特性和功能设计的,可以应用于不同的场景,例如家庭环境中的人形机器人,野外的四足机器人和天空中的鸟类飞行机器人。仿生智能旨在通过研究生物系统的原理来解决许多复杂的问题,产生了一系列高效的算法,如遗传算法和神经网络。仿生智能进一步促进了仿生机器人的性能,使其有可能被部署在越来越多的实际应用中。这项调查介绍了仿生智能和仿生机器人的发展。本文综述了不同的仿生机器人、仿生传感器和传感技术以及目前流行的仿生智能算法。通过讨论当前的挑战和未来的研究方向得出结论1. 介绍几十年来,仿生学已经发展成为解决许多复杂问题的强大工具,激励研究人员寻找各种高效的硬件设计和软件算法。仿生智能和机器人技术作为一个交叉仿生学、机器人技术和人工智能的新兴研究领域,带来了丰硕的创新和令人兴奋的发现和有影响力的应用。例如,通过模仿人体结构,著名的ATLAS人形机器人[1]设计了最先进的硬件和控制系统,展示了人类水平的敏捷性。另一个典型的例子是流行的神经网络算法[2,3],它模拟真实的生物神经元。它在人工智能领域有着广泛的应用,如人脸识别[4]、医学图像处理[5]和机器人路径规划[6]。仿生机器人是通过模仿生物的结构或行为,开发和集成仿生机构,执行器和传感器。仿生机器人的一个关键特征是它们适应自然环境的能力[7]。换句话说他们设计用于在某些复杂环境中工作。例如,研究人员设计的四足机器人在外地工作的灵感来自四足动物。四足机器人由四条腿驱动,由于自由度高,可以适应不平坦的环境。近年来,越来越多有趣的、功能强大的仿生机器人被开发出来,并应用到我们的日常生活中。机器鱼可以在游泳池里拍漂亮的照片,监测海水的水质,帮助水下救援。仿生扑翼机器人[9]可以在狭小的空间中飞行以寻找目标,并隐藏自己以探测环境。仿生智能使机器人具有对外界变化作出反应的决策能力和适应新环境的学习能力。它也是一个探索多年的热门研究领域,新的研究成果不断涌现。仿生智能侧重于开发受生物工作机制启发的新算法。 例如,遗传算法[10]基于自然选择的过程,蚁群优化[11]受到真实蚂蚁行为的启发,而神经网络算法[2,3]模仿人类如何本研究得到了深圳市机器人感知与智能重点实验室(ZDSYS 20200810171800001)、南方科技大学(深圳518055)、香港研究资助委员会CRF基金C4063- 18 G和香港研究资助委员会GRF基金#14200618的部分支持。*通讯作者:南方科技大学电子电气工程系,深圳,中国。电子邮件地址:wangjk@sustech.edu.cn(J. Wang),chenwn@sustech.edu.cn(W.Chen),xiaox@sustech.edu.cn(X.Xiao),yxxu@link.cuhk.edu.hk(Y.Xu),licmjy@link.cuhk.edu.hk(C.Li),xjia@link.cuhk.edu.hk(X. Jia),max. sustech.edu.cn(M.Q.-H. Meng)。1 王建坤、陈 伟南、肖晓和徐 阳新对这项工作作出了同样的贡献。https://doi.org/10.1016/j.birob.2021.1000012021年3月22日上线2667-3797/©2021作者。出版社:Elsevier B.V.代表山东大学。这是一个在CC BY-NC-ND许可下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)中找到。可在ScienceDirect上获得目录列表仿生智能与机器人学期刊主页:www.elsevier.com/locate/birobJ. Wang,W.Chen,X.Xiao等仿生智能与机器人1(2021)1000012Fig. 1. 仿生机器人(a)Atlas是波士顿动力公司制造的智能双足人形机器人。(b)DelFlyMicro,一个3.07克的扑翼机器人。 (c)JESSIKO,一个水下机器人,使用鳍在水中移动。(d)海龟启发的3D打印,四条腿的软机器人。大脑工作。这些仿生智能方法在不同的应用中取得了巨大的成功。然而,要实现人工智能,使智能主体获得终身的自我学习能力,还有很长的路要走。本次调查将调查仿生智能和机器人技术的新兴成就,并讨论当前的挑战和未来的发展方向。本调查的其余部分组织如下。第二节介绍了各种仿生机器人,包括多足机器人、扑翼机器人、水下机器人和软体机器人。第三部分研究了仿生传感器和受生物功能单元启发的传感技术。第四部分介绍了仿生智能算法,包括进化启发算法、行为启发算法和结构启发算法。在第5节中,我们讨论了仿生机器人和智能所面临的障碍,以及未来可能的发展方向。结论见第6节。2. 仿生机器本节重点介绍不同类型的仿生机器人。根据仿生机器人的工作场景,我们将其分为三类此外,由于软体机器人本身的仿生特性,本文也对软体机器人进行了综述。一些典型的仿生机器人如图所示。1.一、二、三、四、五2.1. 仿生多足机器人仿生多足机器人是一种模仿生物腿的结构2 https://commons.wikimedia.org/wiki/File:9_pic.png。3https://commons.wikimedia.org/wiki/File:DelFly_Micro_2008_V1.jpg。4http://www.robotswim.com/? lang=英语。5https://ucsdnews.ucsd.edu/pressrelease/3d_printed_soft_four_legged_robot_can_walk_on_sand_stone.如仿人步行机器人、仿四足机器人和仿蜘蛛六足机器人。多足机器人的优点是它们对各种地形的适应性。它们可以理想地克服场地限制,因此它们适合于搜索和救援以及环境探测等任务。多足机器人已经取得了许多令人瞩目的成就。 对于智能机器人来说,本田的ASIMO是一个 时代 人形 机器人[12]。第一代产品于2000年发布,经过不断的更新,ASIMO现在已经能够完成很多复杂的动作,比如跑、跳、与人交流等。对于四足机器人,波士顿动力公司的Spot有着类似狗的身体,在运动中有很好的抗干扰能力[13]。其他多足机器人,如六足机器人,通常也有类似的方式, 昆虫的运动模式近年来,对腿式机器人的研究主要集中在如何使机器人具有高水平的运动能力,以克服各种地形。研究的热点包括轨迹优化、动力学建模和有效的控制算法。阿吉利湾 介绍了一种用于多足机器人的最优节能二次约束二次规划(QCQP)控制器[14]。Car-pentier和Mansard提出了一种解决方案,以计算多接触运动轨迹的腿式机器人在各种地形。他们的解决方案是基于一个通用的模板模型和质心动力学,ics [15]. Yang等人提出了一种多专家学习架构,以生成自适应运动技能,并为四足机器人实现广泛的运动专业知识[16]。Lee等人使用强化学习来训练神经网络策略,以驱动鲁棒的四足机器人控制器。机器人可以依靠本体感受反馈盲目地通过具有挑战性的地形[17]。研究人员还试图通过结构设计来提高多足机器人的性能Bjelonic等人提出了一种轮腿式混合机器人,即ANYmal.基于轨迹优化框架,机器人配备了混合步行-驾驶运动的能力[18]。Kitano等人开发了一种伸展型四足机器人TITAN-XIII,其速度和能量效率性能几乎与哺乳动物型四足机器人相同[19]。除了刚性和大腿机器人之外,Chen等人还设计了一种基于HarvardAmbulatory Micro Robot的四足微型机器人,它可以在陆地上行走或在水中游泳,并在它们之间过渡[20]。它们利用表面张力和浮力来支撑和在水上移动,并利用电润湿来破坏和转移到水中。2.2. 仿生扑翼机器人仿生扑翼机器人是一种模仿自然界鸟类和昆虫飞行的生物学原理的飞行机器人。扑翼机器人使用快速振动的翅膀来执行悬停,转弯,俯冲和其他动作。与非仿生飞行机器人相比,仿生扑翼机器人具有两大优势[9,21]。一个重要的优点是,即使在小规模下也能表现出优异的飞行性能。 第二个优点是仿生扑翼机器人的机动性和敏捷性优于固定翼和旋翼飞行机器人。 早期的相关研究主要集中在仿生扑翼机器人的飞行原理上。目前,扑翼机器人的研究涉及生物、机械、控制、能源等多个学科。仿生扑翼机器人往往具有较高的机动性和敏捷性,但在不同的场合对机动性和敏捷性的要求是不同的。然而,很难同时保持它们。为了解决这个问题,Ajanic等人发现鸟类通过使翅膀变形来解决这些问题[22]。当以更大的机动性飞行时,鸟类倾向于将主翼向前扫掠,并用尾巴支撑主翼以扩大扑翼面积,从而增加升力和阻力,进而增加J. Wang,W.Chen,X.Xiao等仿生智能与机器人1(2021)1000013它的可操作性。基于该机构,设计了一种具有变形能力的仿生扑翼机器人,具有较高的自适应飞行能力。Phan等人发现,犀牛甲虫中的褶皱在犀牛甲虫的飞行碰撞中起着重要的阻尼作用,并帮助甲虫快速恢复飞行[23]。通过模仿这种机制,扑翼机器人即使在碰撞后也能安全飞行。受蜂鸟的启发,Tu et al. 设计一种新型扑翼结构,有效提高仿生飞行机器人的性能[24]。Phan等人受到昆虫的启发,通过减小内侧机翼面积来提高升功率比,从而有效提高机器人的悬停性能[25]。李等人提出了一种新的算法,并增加了鲁棒姿态控制器,以增加扑翼飞行机器人的抗干扰能力户外[26]。Ferdaus等人设计了一种进化自组织模糊神经控制器,有效地提高了扑翼机器人的抗干扰能力和鲁棒性[27]。扑翼机器人要实现昆虫大小的扑翼机器人的自由飞行,能量是非常宝贵的。Jafferis等人通过增加四个机翼来提高空气动力学效率,成功地使昆虫大小的扑翼机器人具有更高的升力重量比[28],并且实现了出色的有效载荷能力,以允许额外的机载设备和飞行能力。2.3. 仿生水下机器人适者生存,经过亿万年的自然选择,水下生物的生理结构和运动方式已成为适应水下环境的最佳形态仿生水下机器人结合了仿生学和机器人技术,在行进效率和机动性方面大大超过传统水下机器人,这使其在水下救援和深海探测方面具有巨大潜力[29,30]。目前,仿生水下机器人的运动模式主要有两种[31]。一种使用尾鳍或胸鳍,另一种收缩它们不对称的身体形状[32]。尾鳍推进方式的仿生水下机器人主要依靠身体尾鳍的运动,通过身体波动和尾鳍摆动产生推进力。其瞬时游动加速性能好,周期游动巡航能力强。而中间鳍推进方式的仿生水下机器人主要依靠胸鳍或腹鳍的摆动产生推进力,比身体尾鳍推进方式稳定性好,抗干扰能力强。在过去的二十年里,各种鱼类启发的机器人已经被设计出来[8,33]。2017年,受海洋生物蝠鲼柔软的身体和灵活的扑翼的启发,Li等人使用介电弹性体膜作为软肌肉驱动器,开发了一种柔软的机器鱼[34]。2019年,Pliant Energy Systems通过模仿鳍间推进的运动模式创建了一个名为Velox的机器人[35]。机器人使用 两个长而灵活的鳍来推动它的运动,并由八个致动器驱动。Velox的结构和新的传动系统不仅使其能够在水中灵活移动,而且还能在不太硬的表面上移动。2020年,Florian等人展示了一种名为Bluebot的微型机器鱼,它可以像鱼群一样游泳。Bulebot可以形成自主群,每个机器人都可以感知其他机器人的方向和距离[30]。由于具有集体能力,Bluebot具有用于环境监测和救援的潜力水母使用另一种运动模式,通过收缩外壳和挤压腔体来改变腔体的体积,喷出腔体中的水,并使用喷水进行移动[36,37]。随着内腔膨胀,水流被缓慢吸入以填充内腔。如果内腔迅速收缩,水就会被推出腔外。水射流产生的推力使水母沿身体的轴向移动2.4. 软体机器人软机器人是指由液体、凝胶、弹性体等软材料构成的机器人。与传统的硬机器人相比,软机器人有可能对复杂的自然环境更具适应性和有效性,并且人机交互更安全软机器人的一个例子是由M.D. Grissom[40],并且有用应用的一个示例是软五边形夹持器,其可以拾取未煮熟的鸡蛋[41]。近年来,各种结构、材料和驱动方式的柔性机器人得到了发展.由于其独特的功能和优势,软机器人具有相当大的应用范围[42],如抓取和操纵,运动和探索[43,44]。软机器人也用于生物医学领域,如手术,药物输送,康复和援助,由于灵活性,安全性和灵巧性[45]。在此,我们主要集中在仿生软机器人的最新发展气动驱动是最常用的驱动方式软机器人然而,气动驱动的软机器人通常需要多个阀门和泵。这些硬机电组件使得软机器人体积庞大,并且不可能在其工作环境中进行自主导航。为了解决这些问题,Drotman等人提出了一种无电子的四足软机器人。这项工作代表了迈向完全自主的电子自由行走机器人的重要一步[39]。虽然柔性材料增加了柔性机器人的柔顺性和适应性,但其运动速度和操作强度软机器人是有限的。为了应对这些挑战,Tang等人介绍了一种高速和高力量的猎豹式软机器人。 这个机器人可以快速(在几十毫秒内)存储和释放能量,通过一个脊椎启发的结构[46]。他们的研究建立了下一代高性能软机器人的新通用设计范式。生物是结构、动力、驱动、传感和控制系统的高度集成体。目前的机器人缺乏这些多功能系统的交互,导致机器人的效率和自主性较低.其中,动力系统是机器人发展的障碍之一。基于氧化还原液流电池,一个狮子鱼启发的软机器人,结合液压力传输,驱动,和能量存储的建议。能量系统可以支持机器人运行长达36小时[47]。在液压油中使用电化学储能为高能量密度和长期运行的机器人设计提供了可能的解决方案。3. 仿生传感器传感技术本节旨在概述各种仿生传感器技术,包括灵感和创新的详细信息。仿生传感器可分为五类,即视觉传感器、声学传感器、触觉传感器、味觉传感器和嗅觉传感器。这些也是人类使用的五种感官从自然环境中获取信息3.1. 视觉传感器经过数百万年的进化,眼睛具有非常复杂的结构和强大的感知能力,是人类和动物从外部环境接收信息的最重要器官之一[48]。眼睛对人类至关重要。我们的大脑通过眼睛从周围环境中获得超过五分之四的信息[49]。人眼具有视野极广的特点高分辨率、高灵敏度、低像差等优点,激励着许多科学家设计先进的视觉传感器。顾等人[50]克服了制造球形眼球和视网膜的主要困难,并开发了电化学眼J. Wang,W.Chen,X.Xiao等仿生智能与机器人1(2021)1000014图二. (a)眼睛的组成部分。 (b)蜻蜓复眼。半球形的视网膜受人类视网膜上感光器的启发,他们开发了高密度纳米线阵列,使人工眼睛在结构上与人眼高度相似(见图2(a)6)。除了独特的结构,人眼还具有调节功能。例如,它可以连续调节焦距和光学孔径,并且可以通过自身运动跟踪移动物体[51]。电润湿[52,53]和介电泳[54]等电效应被广泛用于调节焦距和孔径大小。在[55,56]中,开发了具有自调节和运动跟踪能力的传感器。 通过模仿具有60 ms响应能力的人眼的睫状肌和晶状体,Carpi等人[57]提出了可调节的光学传感器。此外,大脑对图像的处理在视觉感知中也起着重要作用。Bhowmik等人。[58]模仿大脑中的分层处理,并提出了一种新颖的分层架构,该架构是像素并行和可重构的。该架构允许计算单元靠近传感器单元,从而实现机器视觉的高加速,同时保持低功耗。除了人类的眼睛,模仿动物的眼睛也很有价值。它们只需要很少的大脑资源,但在各种环境中高效地执行视觉处理任务[59]。大多数动物物种,特别是昆虫,都有复眼(见图2(b)7),它提供的分辨率低于单晶状体眼,但具有没有畸变和像差的更大的视场,以及高的时间分辨率。Floreano等人[60]开发了CurvACE人工复眼,由微透镜、神经形态光检测器和柔性印刷电路板组成,以实现不失真,图三. 仿生双耳声源定位方法。全景视野在一个极薄的包装。受火蚁的启发,Song等人[61]开发了第一个25- 6像素的人工复眼。这些装置由弹性复合光学元件和薄硅光电探测器阵列组成,制成半球形并嵌入并置相机中。脊椎动物和无脊椎动物的眼球运动也是视觉感知的重要组成部分。受震颤眼球运动的启发,开发了一种名为振动光学设备的黄金机器人控制(VODKA)的视觉传感器[62,63]。在这种传感器中,两个感光器在一个小透镜后面重复微运动,两个感光器信号用于定位目标。实验表明,VODKA传感器具有定位对比边缘的能力,其高分辨率比其静态分辨率高900倍。此外,受家蝇的启发,一种仿生视觉传感器被开发出来以实时跟踪机翼偏转[64]。受螳螂虾视野中可调偏振对比度的启发3.2. 声学传感器声传感器也是感知外界信息的重要工具。 受到蟋蟀听觉系统的启发, 等人[66]开发了一种新型仿生声学传感器。该设备可以准确地跟踪声源,并在复杂的环境中导航即使在噪音很大的环境中,人类仍然能够可靠地定位和分类声源。 受此启发,Nemala 等人[67]提出了一种仿生多分辨率分析方法来增强说话人识别能力。受苍蝇机械耦合鼓膜的启发为了消除机器人的自我噪声,Davila等人。[69]提出了一种仿生双耳声源定位方法,如图所示。3. 8该算法可以高精度地区分声音。 为了提高语音识别能力,他们还提出了一种新的认知方法,模仿人类在噪音环境中说话的行为[70]。6https://courses.lumenlearning.com/austincc-ap1/chapter/special-senses-视野7https://www.flickr.com/photos/27461854@N04/4956909057。8https://commons.wikimedia.org/wiki/File:1418_Auditory_Brainstem_Mechanisms.jpg。J. Wang,W.Chen,X.Xiao等仿生智能与机器人1(2021)1000015图四、( a)皮 肤 中 的机械感受器。(b)侧线系统。3.3. 触觉传感器触觉在使人类和动物与周围环境互动方面起着重要作用。如图4(a),9有四种主要类型的机械感受器,即迈斯纳人类 由于机械感受器的存在,形状感知、指尖力感知、滑动检测、硬度感知和质地感知的能力[72]。Lee等人。[73]开发了二进制触觉传感器来分析不同物体的局部曲率。两个Izhikevich模型用于将触觉信号转换为尖峰。Lee等人[74]还开发了一种足部压力传感器,并使用新型神经形态方法检测步态事件。Bologna等人。[75]开发了一种电容式方形传感器阵列来分析包括盲文字母在内的纹理。Spigler等人[76]目前表面粗糙度光栅识别系统通过结合Izhikevich模型和刺激解码方案。Benjamin等人[77]提出了一套具有各种结构的软光学触觉传感器,其灵感来自人类指尖中中间脊的功能。Osborn等人[78] 发明了具有伤害性感觉反馈的多层电子真皮(e-dermis), 是基于机械感受器和伤害感受器的行为,以向截肢者提供神经形态触觉信息。这些触觉传感器可以嵌入到电子皮肤中,使其具有与真实人体皮肤相同的触觉感知功能[79]。Zou等人开发了一种坚固但可修复、可回收和可扩展的电子皮肤[80]。 它还具有流量,温度,触觉和湿度传感功能。在室温条件下,受损电子皮肤可以修复并完全恢复,恢复后的电子皮肤具有良好的力学和电学性能与原始的电子皮肤相比。Lee等人[81]第81话发展慢性编码电子皮肤(ACES),一种神经模拟架构,能够同时传输热触觉信息,同时保持异常低的读出延迟,以克服读出延迟瓶颈和大规模阵列中的复杂布线9 https://en.wikipedia.org/wiki/Mechanoreceptor。动物也进化出优秀的感受器,如节肢动物的感觉毛,鱼类的侧线系统(见图4(b)10)。研究人员模仿它们并开发机械传感器。首先,感觉受体类似于毛发,通常存在于节肢动物中。Ko等人[82]将刚性金属棒连接到薄压阻膜上以制造压阻加速度传感器。Bian等人[83]受丝状毛发的启发,设计了一种基于多电极金属芯压电纤维的新型结构,以提高气流传感器的性能蟋蟀Droogendijk等人[84]开发了电容式人造毛发状传感器,通过静电弹簧软化提高了对气流的响应能力。此外,制造了具有高精度和高功率效率的磁性毛发状流量传感器[85]。第二,在许多水生两栖动物中发现的侧线系统是一组感觉单位,可以检测皮肤表面周围的水的运动。Nawi等人[86]开发了一种人造侧线压阻传感器。该传感器由一个垂直于基底的悬臂梁和两个应变片组成。此外,Abdulsadda等人研制了一种基于压电效应的[87].3.4. 味觉传感器味觉是人类不可缺少的感觉器官。味觉代表舌头的五种味道,即酸、甜、咸、鲜和苦,它在识别化学物质方面起着重要作用[88]。毫无疑问,人类味觉的生物器官是舌头。舌头上有成千上万的味蕾。每个味蕾由大约50-100个味觉感受器细胞组成味觉感受器细胞在味觉感知中起着关键作用。它们与各种物质发生电化学反应并产生特定信号。这些特定信号被传输到大脑,并基于神经网络模式识别进行解释,以分析,区分和分类有关物质[90]。Sharma等人[91]提出了一种电位传感器。 它对不同味道的反应是用相应的物质来测量的。实验结果表明了该传感器的重复性和准确性。基于分子印迹聚合物的使用,Sun 等人[92]开发了压电石英晶体传感器来测量甜味和苦味。Parra等人[93]开发了基于电活性化合物的伏安传感器,以准确检测有机和离子化合物的苦味。Riul Jr等人[94]制造了一种新型传感器,其在20-105 Hz的频率范围内执行,3.5. 嗅觉传感器人的五种感官中最不了解的是触觉。 为了模仿人类鼻子的功能,科学家和工程师们开发了许多传感器,例如无机气体检测器,有机气体检测器和生物传感元件。在脊椎动物的鼻子中,挥发性有机化合物(VOC)通过呼吸作用传递到嗅上皮,使得气流动力学在嗅觉中起重要作用。斯蒂策尔等人[95]从狗的鼻腔中汲取灵感,他们通过在狗的鼻腔复制品的不同位置放置传感器来研究气流动力学和气味之间的关系。最后,提高了传感器的识别能力。Chang等人[96]在人鼻甲骨模型上设计了一种流体池,以提高对VOC的辨别力。El Barbri等人。[97]模拟气体在 人工鼻,从而提高了五种VOCs的分类精度。VOC需要在粘液层中运输并与嗅觉受体相互作用。粘液层还保护蛋白质的结构。因此,粘液层在10 https://commons.wikimedia.org/wiki/File:LateralLine_Organ.jpg。J. Wang,W.Chen,X.Xiao等仿生智能与机器人1(2021)1000016气味的产生[98]。受此启发,Lee等人[99]制造了一种基于聚碳酸酯和SiO2/Si 3 N4/SiO2的多孔膜,该膜极大地防止了水分蒸发,同时允许气味分子自由扩散。由于大量的受体细胞广泛分布在粘液层下,这些位于不同空间位置的细胞提供了空间和时间上的化学感受信息Covington等人[100]模仿这种特殊的结构,开发了一种人工嗅觉微系统。它包含一个模拟鼻腔的通道传感器阵列位于聚合物下方这种仿生系统会产生在时间和空间上分布的气味信号,信号保留时间可达170 s。实验结果表明,该方法提高了对两种简单气味和一组复杂气味的区分能力。3.6. 别人除了五种主要的感知能力外,有些动物还具有特殊的感知能力,如红外(IR)感知和地理位置感知。许多生物体都具有性能优异的微型红外传感系统。在[63]中,Martin等人开发了一种仿生传感器,该传感器模拟Melanophila acuminata甲虫的IR受体的功能。红外辐射加热液体,导致机械变形这种变形可以用电容器来测量。因此,可以通过监视电容的值变化蝗虫、苍蝇、蜜蜂、蚂蚁和甲虫都配备了非常有效的光学罗盘,它们对大气中阳光散射产生的偏振光很敏感。太阳光在地球大气层中的散射在整个天空中形成了昆虫在眼睛的背侧区域(Dorsal RimArea,背缘区域)有光感受器,这些光感受器专门用于检测偏振天窗的模式[59]。Lambrinos等人。[101]介绍了沙漠蚂蚁的机器人应用。Chu等人[102]开发了一种更小的罗盘,它由6个光电二极管组成,上面安装了线性偏振器,间隔60度。在文献[103]中,一对这种类型的偏振光传感器在晴朗天空下进行了测试,这些偏振光传感器的精度达到±0.2μ m。安装在四旋翼上的单偏振传感器也取得了令人满意的性能。室内精度为0.2kHz,室外精度为2kHz,输出刷新信号频率为10 Hz [104]。4. 仿生智能本节概述了仿生智能算法,将其分为三种类型:进化启发算法、行为启发算法和结构启发算法。简要介绍了算法的历史和应用。4.1. 进化算法进化是自然界物种生存的关键因素,也是智能算法的灵感来源。正如查尔斯·达尔文所发现的,进化的基本规则是自然选择,这表明适者生存。这一理念已被广泛推广到科学领域。一个进化的循环如图所示。5,它描述了现有种群的世代进化。经过自然选择,“被选择的父母”可以产生他们的后代。 然后,最新的后代与优越的固有特性生存下来,并取代现有的人口。该循环不仅描述了自然选择,而且还指出了进化启发算法的基本过程。进化启发算法的起源可以追溯到图五. 进化的循环4.1.1. 遗传算法遗传算法的灵感来自自然选择理论[10],这是自然进化的基本规则。最适合的特征应该是 最适合周围环境的物种特征。与此同时,最适者的个体具体地说,自然选择的过程是从一群被称为种群的个体开始的。在一个种群中,具有最适合的特征的个体有更大的生存和产生后代的机会。由于基因控制了特征,他们从父母那里继承了特征,并且有更大的生存机会。这一过程代代相传。从理论上讲,最终可以找到最合适的个体。根据自然选择的过程,遗传算法分为种群初始化、适应度计算、选择、交叉和变异五个阶段。至于遗传算法然后将其应用于各个领域,如机器人运动和路径规划。它在机器人导航中的应用由Shibata等人提出。[107]以解决运动规划问题。GA被发现是时间效率的运动规划。此外,Shi和Cui [108]以及Shing等人[109]成功地将其应用于实时路径规划任务。GA也被Kala应用于多机器人路径规划[110]。然而,遗传算法也存在一些局限性,如缺乏对导数信息的考虑、适应度函数计算量大、不能保证最优解等。然而,它仍然是有效的,在许多问题与适当选择的参数。4.1.2. 遗传规划GP是由Koza等人在1992年提出的。[111]作为GA的扩展。然而,GP在两个方面与GA不同。首先,GP使用一个可能的解决方案的间接编码,以执行最佳的个人搜索。第二,为了扩大多样性,变量表征的维度不是固定的。因此,GP可以通过改变基因的值和染色体的结构来关于GP的应用,GP的灵活性促进了其在不同领域的研究和应用,包括工业生产[112],数据挖掘[113],图像处理[114]和机器人控制[115]。4.1.3. 进化策略1964年,柏林提出了ES [116]。与遗传算法类似,专家系统被认为是一种全局优化方法。ES与GA有着共同的思想,即在进行参数优化时模仿自然进化然而,与遗传算法不同,ES的原理受到自然进化的宏观水平和物种水平过程的启发,而不是微观和基因组水平。专家系统中的变异过程不像遗传算法那样是完全随机的,而是利用自适应机制来控制变异向优势方向进行。图611是进化策略如何迭代地导致解决方案世纪50年代事实上,进化启发的算法有很多共同的,例如,他们是基于自然选择的想法11https://en.wikipedia.org/wiki/CMA-ES。J. Wang,W.Chen,X.Xiao等仿生智能与机器人1(2021)1000017见图6。一个进化策略的例子。黑点表示建议的解决方案,背景中的圆圈表示正确的解决方案。随着迭代的进行,建议的解决方案正在汇集到最佳解决方案。作为一种随机搜索算法,ES广泛用于系统参数估计[117],立体图像处理[118],机器人路径规划[119]和强化学习方法[120]。4.1.4. 其他算法GA、GP和ES是进化启发算法的代表[121]。此外,还有其他受进化启发的算法,如差分进化(DE),稻田算法(PFA)和花卉pollution算法(FPA)。1997年提出[122]。一般来说,DE与 遗传算法和专家系统的主要区别在于变异过程。 在遗传算法中,变异作为整个算法中的一个小的变化,以保持基因库然而,DE的突变过程在自然界中,这种突变倾向于剥削。DE的思想是迭代地改进一个可能的解,使其朝着最优值对于候选解,突变发生在正方向和负方向上。在每次迭代中,最好的变异应该选择质量度量。通过增量,候选解逐渐接近最优解。受到植物播种过程的启发,PFA [123]于2009年提出,简单地使用最好的植物来自最好的土壤的想法。在好的土壤中,植物同样,FPA[124]专注于模仿自然植物的不同授粉方法。该算法主要由全局授粉和局部授粉两个过程组成。全球授粉模仿传粉者的行为,而本地授粉产生与原始种群相似的新一代。总之,受进化启发的算法都有一个重要的自然选择思想。它们具有灵活性和鲁棒性的特点,使它们能够突破优化问题中导数信息的限制。4.2. 行为启发算法行为是仿生智能算法的主要灵感,其中动物的行为被学习用于最优解搜索。在这一节中,我们介绍了蚁群优化(ACO),和声搜索(HS),布谷鸟搜索(CS)和其他一些算法。4.2.1. 蚁群算法当蚂蚁寻找食物时,它们会在沿途留下信息素,通知其他蚂蚁是否有食物。 受到这种行为的启发,Marco Dorigo等人[125]提出了蚂蚁系统(AS)和ACO [11]。蚁群算法通常用于求解旅行商问题。假设一个图上有一些节点,每条边都有一个可取性的措施,称为信息素,这是更新,在每一个蚂蚁的迭代最初,一些蚂蚁被放置在随机选择的节点上。每只蚂蚁根据状态转移规则概率性地选择节点,构建一个完整的旅行。在所有蚂蚁完成其行程后,一个全局信息素更新规则,包括蒸发和增强过程。然后迭代整个过程,直到找到最优解或迭代次数达到阈值。还有许多高级版本的AS和ACO,例如基于精英策略的AS [125]和ACO相关算法已广泛用于研究和工程领域,包括机器人自主行李车收集[127],无线传感器网络[128],实时列车路由选择[129]和数据分类[130]。4.2.2. Harmony Search(HS)HS [131]提出通过类似于爵士乐即兴创作的客观函数找到全局解[132]。在音乐演奏中,乐手们依靠自己的记忆,反复调整乐队中各个乐器的音色,最终达到美妙的和声状态。同样,HS是一种智能优化算法,它模拟音乐演奏的原理,反复调整内存中的解变量,以实现优化收敛。在HS算法中,乐器被看作是优化问题中的变量,每个乐器音调的和声等价于一个解,音乐性能评价是目标函数。HS可以通过五个步骤实现[133],包括初始化,和声记忆初始化和评估,即兴创作,和声记忆更新和终止标准检查。该算法首先生成多个初始解并将其保存在和声存储器(HM)中。然后,HS在HM中以随机概率搜索新的解,并以概率1 −1从HM中搜索出来。同时,HS以一定的概率对新解产生局部扰动。如果新解的目标函数值优于HM中的最差解,则替换最差解。HS重复上述过程,直到满足终止条件。已经提出了许多修改的HS算法来进一步提高性能,例如改进的和声搜索(IHS)[134],全局最佳和声搜索(GHS)[135],新颖的全局和声搜索(NGHS)[136]和混沌和声搜索[137]。HS及其变体可应用于配水网络[138]、水下机器人导航[139]和移动机器人定位[140]。4.2.3. 布谷鸟搜索(CS)基于杜鹃的繁殖行为,提出了求解最优化问题的CS [141]。杜鹃的繁殖是一种产卵行为:杜鹃在别人的巢中产卵,它们可能会移走别人的蛋,以增加孵化自己蛋的概率。 这种行为有三条规则要遵循:(1)每只杜鹃都下蛋一次一个蛋,并将其放置在随机选择的巢中;(2)具有高质量蛋的最佳巢将被带到下一代;(3)可用的宿主巢的数量是固定的,宿主随机找到杜鹃所产的蛋。在这种情况下,宿主可以破坏卵子或者抛弃旧巢,另建新巢在过去的十年中,已经提出了不同的CS算法。Walton [142]提出了改进的布谷鸟搜索(MCS),可用于优化非结构化网格。改进的布谷鸟搜索(ICS)被提出[143]用于前馈神经网络训练。Layeb和Abdesslem [144]提出了一种新的量子布谷鸟搜索(QCS)算法,该算法依赖于量子计算原理。该算法可用于求解背包问题和装箱问题。Yang和Deb [145]提出了一种多目标布谷鸟搜索(MCS)算法,用于焊接梁和盘式制动器等工程设计问题。虽然时间消耗是CS的缺点,但CS已被广泛应用于许多领域,如优化和计算智能[146],数据聚类[147],图像处理[148],机器人导航[149]。J. Wang,W.Chen,X.Xiao等仿生智能与机器人1(2021)1000018∑4.2.4. 其他算法还有其他行为启发的智能算法。受鸟类群集编排美学的启发,Kennedy等人[150]于1995年提出了粒子群优化(PSO)。Heidari等人。[151]在2019年提出了一种新的基于种群的自然启发优化方法,称为Harris Hawks Optimizer(HHO)。HHO的灵感来自Harris的鹰的合作和追逐行为4.3. 结构启发算法类似于飞机翅膀上的小翼例如,DNA计算将生物DNA的工作原理转移到计算领域[155],膜计算利用生物细胞的协作规则[156,157],人工免疫系统受生物免疫系统的启发,神经网络与人类神经元系统具有相同的抽象结构。4.3.1. DNA计算DNA计算在[155]中提出,为组合问题的解决方案提供分子计算。生物DNA将遗传信息存储在由一串脱氧核苷酸={A,}形成的DNA链中,其中A,分别表示腺嘌呤、鸟嘌呤、胞嘧啶和胸腺嘧啶。在DNA计算中,问题首先被编码,就像大量的遗传信息存储在生物DNA链的一小部分中一样。 然后,对编码的DNA序列进行各种操作,并产生可能的解决方案,就像酶可以作用于生物DNA一样最后,将选择并解码具有约束的最优解。利用DNA结构和配对规则的思想,DNA计算具有两个主要的吸引人的特点,即大存储容量和高并行性。Huang等人提出使用DNA计算框架[158]来解决多自由度仿人机器人手臂的逆运动学问题,其中耗时的调谐过程 在经典的DNA计算是解决利用田口方法[159]。DNA计算在解决群机器人的冻结标签问题(FTP)[160]和加权图中的最短路径问题[161]时也显示出其优势。4.3.2. 膜计算受细胞膜系统概念的启发,提出了膜计算[156]。在膜计算中,包括几个细胞状膜。在由膜界定的区域中存在物体。这些对象可以通过其他对象的表示进行变换,穿过膜,或在放置膜的位置溶解膜。对象的演化是以并行方式执行的,并且所有对象都被假设为能够演化。 因此,我们认为,可以构建对象的计算机制:初始化特定膜内的特定数量的对象,并且系统开始演化和迭代。如果演化终止,这意味着没有对象可以进一步演化,则计算机制结束。之后,可以根据指定膜中的对象膜计算可以应用于机器人路径规划的快速探索随机树(RRT)框架[162]。进一步,提出了一种基于膜进化理论的人工势场(APF)[163]方法,将膜计算的思想应用于机器人路径规划问题,将一层膜结构应用于APF算法中,取得了较好的性能。此外,在[164]中介绍了一种结合伪细菌遗传算法的动态膜法,4.3.3. 人工免疫系统生物免疫系统可以通过免疫和消除感染来保护生物,由
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功