专家系统及其在机器人设计中的应用

人工智能领域大家始终都在不断研究的关键方向：专家系统和机器人

专家系统及其在机器人设计中的应用

摘要：专家系统和机器人做为人工智能领域的两个重要分支，近年来发展迅速。将这两个领域的知识结合起来产生的智能机器人技术成为人工智能研究的一个重大进步，它使得现代机器人变得更加“聪明”了。

关键字：专家系统；机器人；人工智能

1 专家系统

当今人工智能技术分支众多，研究方向各不相同，但最终都要以某种智能系统的形式投入应用。智能系统可分为智能计算机系统、智能化网络、智能应用系统和智能机器人系统等类型。其中专家系统就是智能应用系统中的一种基于知识的智能系统。

什么是专家系统？世界上第一个专家系统DENDRAL早在1965年就已经问世。我们先来看看这个专家系统都能做些什么。

DENDRAL系统是一种帮助化学家判断某待定物质的分子结构的专家系统。1965年在美国斯坦福大学开始研制，以后不断发展。系统用LISP语言写成。DENDRAL利用的原始信息主要是该物质的质谱数据。整个系统按功能可分为三部分。①规划：利用质谱数据和化学家对质谱数据与分子构造关系的经验知识，对可能的分子结构形成若干约束。②生成结构图：利用J.莱德伯格的算法，给出一些可能分子结构，利用第一部分所生成的约束条件来控制这种可能性的展开，最后给出一个或几个可能的结构。③利用化学家对质谱数据的知识，对第二步给出的结果进行检测、排队。最后给出分子结构图。

显然DENDRAL是一个智能的物质结构分析仪，它像一个化学研究领域的专家一样告诉你想知道的物质的分子结构。而所谓专家是指对某一专业领域非常熟悉且有丰富实践经验的人。专家之所以为专家，最重要的是他们的经验知识，还有他们在思考和解决问题上独特的方法和策略。专家系统要像一个“专家”一样解决问题，它同样需要具备这些素质：①专用性，即应用于某一专门领域，②拥有像人类专家一样的专业知识和经验知识，③能像人类专家一样思考问题，④能像人类专家一样解决问题。

人工智能领域大家始终都在不断研究的关键方向：专家系统和机器人

所以，专家系统应该是：应用于某一专门领域，拥有该领域相当数量的专家级知识，能模拟专家的思维，能达到专家级水平，能像专家一样解决困难和复杂的实际问题的计算机（软件）系统。

专家系统是目前人工智能中最活跃、最有成效的一个研究领域。近年来，在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的系统。人类专家由于具有丰富的知识所以才能达到优异的解决问题的能力。那么计算机程序是否能体现和应用这些知识，解决人类专家所解决的问题，而且能帮助人类专家发现推理过程中出现的差错。现在，这一点已被证实是可行的。如在矿物勘测、化学分析、规划和医学诊断方面，专家系统已经达到了人类专家的水平。下面我们简单看一下专家系统的构成。

1.1 专家系统的一般结构

一个完备的专家系统从概念上来讲应该由以下几个部分组成：知识库、推理机、动态数据库、人机接口、解释模块、知识库管理系统。其中知识库和推理机是两个最基本的模块。

知识库（Knowledge Base，KB）。用于存储某领域专家的知识，包括事实、可行的操作与规则等。

推理机（Inference Engine，IE）。用于记忆专家系统所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作。推理机能够根据知识进行推理和导出结论，而不是简单地搜索现成的答案。

动态数据库。它是存放已知的或学习到的知识、推理结果和固定结论等数据，而且它所存放的数据随系统运行而产生、变化和撤消，所以称为“动态”数据库。

人机接口（Interface）。又称人机界面，它能够使系统与用户进行对话。 解释模块。专门负责向用户解释专家系统的行为和结果。

知识库管理系统。知识库管理系统对知识库的作用，类似于数据库管理系统（DBMS）对数据库的作用，它主要负责在专家系统开发和运行期间对知识库进行管理和维护。

以上是对不同类型专家系统的共同之处进行的一个分析。当落实到具体的专家系统时，可能各个部分有不同的实现方法，且可能差异很大。

1.2 专家系统的实现

人工智能领域大家始终都在不断研究的关键方向：专家系统和机器人

一般的专家系统通常采用快速原型与增量式开发，它的基本过程是：先开发一个最简单的系统原型，然后对这个原型进行扩充和完善，像滚雪球一样直至完成整个系统。系统实际开发中通常需要解决知识获取、知识表示、知识库与知识管理系统设计等问题。虽然从原理上来讲专家系统的结构是确定的，但受问题领域、系统规模和知识表示方法等的限制，还要进行一项特别重要的工作，那就是系统结构设计，这是非常关键的。最后就是人机接口的设计了。一旦上述工作做好了，实现一个专家系统将不是很难。另外，对于一个专家系统，后期的测试与更新是非常关键的，相比其他的软件开发来说，这点在专家系统的开发上显的更为重要，没有一个软件能一次开发，永不更新的。

2 机器人与专家系统在机器人领域的使用

前面我们简要介绍了专家系统的概念，下面我们将介绍机器人的一些一般概念和专家系统在机器人设计中的应用。

我们从广泛意义上理解所谓的智能机器人，它给人的最深刻的印象是一个独特的进行自我控制的“活物”。其实，这个自控“活物”的主要器官并没有像真正的人那样微妙而复杂。大多数专家认为智能机器人至少要具备以下三个要素：一是感觉要素，用来认识周围环境状态，为了实现这一点，机器人可能需要各种各样的传感器，才能像人类一样去感知周围的世界；二是思考要素，根据感觉要素所得到的信息，思考出采用什么样的动作，这里要解决的问题就是机器人规划（或机器人问题求解）；三是运动要素，对外界做出反应性动作，这些动作通常由一些机械设备来完成，当然最初需要计算机程序来控制这些设备。

2.1 机器人感知

机器人的感觉要素一般包括能感知视觉、接近、距离等的非接触型传感器和能感知力、压觉、触觉等的接触型传感器。这些要素实质上就是相当于人的眼、鼻、耳等五宫，它们的功能可以利用诸如摄像机、图像传感器、超声波传成器、激光器、导电橡胶、压电元件、气动元件、行程开关等机电元器件来实现。其中目前研究比较广泛的就是机器人视觉，机器人视觉的主要目的是从整体上理解一个给定的三维景物，常见的立体摄像机和激光测距仪是机器人获得三维视觉的两类实用传感器。

2.2 机器人规划

人工智能领域大家始终都在不断研究的关键方向：专家系统和机器人

感知能力使机器人能感知外界环境，但要解决问题，仍需规划能力来产生相应的有序的动作，通俗的说类似于人的思考能力。因此机器人规划又称机器人问题求解。机器人规划包括低层规划（low-level planning）和高层规划（high-level planning）两类。其中，低层规划具有较高的精度和较低的智能，主要涉及轨迹规划等；高层规划具有较高的智能和较低的精度，主要涉及各种任务规划等。

机器人高层规划是机器人学和人工智能的一个重要分支，自70年代以来，国外已经提出和开发了几个机器人高层规划系统，它们各具特色，都是对机器人高层规划研究的贡献。然而，它们都存在一些不足之处：不适合可分解为独立子系统的大型系统，运行效率较低等，而国内由蔡自兴，傅京孙等人开发的机器人规划专家系统（Robot Planning Expert System，ROPES），在时间上则有了很大的改进。他们建立了一个性能较好的基于专家系统的机器人规划的方案，由四个规划子系统构成：①机器人任务规划子系统，在感知模块建立了机器人对外部环境的模型的基础上分析给出机器人解决问题的一个操作序列。②寻找机器人碰撞运动路径规律规划系统，为每一步操作寻找合适的无碰撞的一条路径，以完成对应动作，可能需要通过感知外部环境的变化适时的改变策略，并为总体决策提供依据。③机器人柔性装配规划系统，使得机器人能够“随机应变”，实现同一环境下，不同的规划，执行不同的动作，从而产生不同的效果。④机器人零件运送规划系统，用于机器人配送线上进行搬运作业规划。

上述各个规划子系统，具有同样的系统结构。它们之间的重要区别在于其知识库内容的不同。知识的表达，知识库的设计是建立这些规划子系统最艰巨和最关键的任务之一。下面结合一个实例看一下这些理论的应用。

机器人足球比赛（Robot World Cup，Robocup）是近年来人工智能和机器人中迅速发展起来的一个重要研究领域。Robocup仿真赛是分布式结构，是一种C/S模式，每一个机器人都有独立的客户端程序。每一个客户端程序看成是一个独立机器人的大脑，而机器人独立调度、独立控制，而且相互之间的通信因为周围环境的影响也是受限制的不完全的通信。

在 RoboCup 的具体应用中，基于规划的机器人规划专家系统由一般6部分构成：①知识库。用于存储机器人足球比赛的专家知识和经验，包括球场和球场上对象、状态、世界模型及不同状态下的动作规则等。②控制策略。包含综合机

人工智能领域大家始终都在不断研究的关键方向：专家系统和机器人

理，确定系统应当应用什么规则以及采用什么方式去寻找该规则。建立控制策略就是首先考虑这个团队的最高利益，并能够通知队友；其次根据需要完成的任务在多个智能体选择一个核心。同时这个核心也是一个领导者，他同时可以协调其他智能体的动作，其动作也具有最高的优先级。③推理机。用于记忆所采用的规则和控制策略及推理策略。根据知识库的信息，推理机能够使整个机器人决策系统以逻辑方式协调地工作，进行推理，做出决策，寻找出理想的机器人操作序列。④知识获取。从人类足球比赛的数据库中提取专家知识，得到RoboCup机器人足球比赛领域的专家知识，然后用程序语言把这些知识变换为计算机程序，最后把它们存入知识库待用。⑤解释与说明。通过接口，在专家系统与用户之间进行交换作用。我们可以根据比赛中某一时刻的具体情况，设计多种的阵型来测试程序的推理过程和推理结果，便于选择最好的规划和策略。⑥机器学习。在RoboCup的学习挑战中，任务是为一组智能体创建的学习和训练的方法，根据学习的事件不同，机器学习有两种类型：在线学习（根据当前球场上的情况进行学习）和离线学习（机器人设计者事先“教”机器人）。很显然，以上六个部分便是专家系统概念结构中的六个模块在RoboCup这个实例中的具体实现。

2.3 机器人控制

机器人控制（运动控制），即让机器人怎么运动的问题。这里面有很多关于力学、运动学、动力学等方面的问题，但当这些机械力学方面的问题解决了之后，随之而来的就是：机器人动作繁多复杂，怎么动，向哪个方向，速度多少等这些参数该如何根据实际环境予以选择。首先我们可以将机器人运动的所有需要的动作参数以一定的方式存储在计算机里，其实就是存储了机器人的所有“动作”。然后将已知有用的动作组合形成我们的知识库，再用这些动作组合，结合实际问题设计开发推理机和控制策略，从而实现一个基于专家系统的机器人控制系统。下面以一个机器人多手抓取的例子来解释一下专家系统在机器人控制方面的应用。

在机器人抓取系统中，一般认为需要4种规划器：策略规划器、触觉规划器、轨迹规划器及抓取规划器。抓取规划器对成功抓取来说是非常重要的。在抓取规划器中，视觉模块用来把图象变换成物体的描述，接着用抓取模式选择模块把物体的描述变换成一系列的控制信号。经研究发现，人类的抓取有一组固定的抓取

人工智能领域大家始终都在不断研究的关键方向：专家系统和机器人

布局，每种布局与一定的抓取任务相适应。多指手的抓取规划的目的就是为具体的抓取任务选择适当的抓取模式。这些给我们使用专家系统解决此问题提供了一种思路。下面将多手抓取模式的问题分解成几个模块来谈谈用专家系统实现这一系统的可行性。

物体的描述。机器人抓取物体时总是要根据物体的形状和尺寸来选择初始抓取布局，而形状是选择抓取模式时的重要参数。在定义物体时可采用面模型来描述，机器人进行手眼协调时可将物体定义一种广义的几何形状，以适应抓取推理模式。

任务的描述。抓取任务通常包括3方面内容：动作（如拧、插等），对象（如板手、锤子等）和前后关系。不同的任务具有不同的任务属性。任务属性指的是稳定性、可操作性、灵巧性、精度、扭矩可施加性和可转动性。任务属性由专家系统中的推理机导出。

抓取模式。当前，比较一致的看法是抓取可以定义为下面的8种模式：动力抓取、圈柱、夹握、钩握、跨握、侧捏、捏、精密捏。每种抓取模式对应一组任务属性。近年来，又有专家针对其研究的机器人系统，定义了3种抓取模式：包裹、握、捏。这3种模式又称为抓取时手的预抓取形状，预抓取形状的参数是虚拟手指数。

产生有效抓取的推理过程。将任务描述映射成任务属性需要一个基于动作和对象知识的推理过程。动作首先转换成类动作，接着用类动作选择有关的任务属性或动作焦点。一方面，一些动作，如插入、放置直接映射成与对象无关的动作焦点；另一方面，有些动作，如转动、移动或拉等动作必须依据数据库中物体的信息作进一步的细化。专家系统中推理机的进一步推理将激发一些启发信息。这些启发信息将为给定的任务选择一种合适的抓取。启发信息之间一旦发生冲突， 将由元启发信息根据任务属性对已触发的启发式信息进行排序。

总之，通过专家系统中的基于规则的推理机，推导出任务属性，然后综合考虑一些准则和启发信息产生合适的抓取模式，最后，就可将抓取模式变换成控制变量了。

2.4 机器人与专家系统的结合

专家系统和机器人同为人工智能的两个重要领域，彼此之间关系紧密，专家

人工智能领域大家始终都在不断研究的关键方向：专家系统和机器人

系统在机器人研究领域的扩展也为机器人领域带来很多新的成果和发现，其在机器人系统领域的应用可以概括为：①增加了机器人系统的可靠性和易用性；②可以用来增加机器人系统的安全性；③可用于机器人规划和控制。不难看出，不久的将来专家系统和智能机器人将在工业、服务业、军事、航空航天等领域发挥越来越重要的作用。

参考文献

[1] 李智军, 吕恬生. 机器人动态避障实时专家系统的研究[J]. 机械科学与技术, 2000, 19(4): 547-549.

[2] 熊蔡华, 熊有伦. 机器人多指手抓取中的规划问题[J]. 机器人, 1995, 17(1): 58-64.

[3] 方利伟, 张剑平. 基于实时专家系统的智能机器人的设计与实现[J]. 中国教育信息化：高教职教, 2007, 08X: 69-70.

[4] 廉师友. 人工智能技术导论(第三版)[M]. 西安: 西安电子科技大学出版社, 2007.

[5] 隋清, 鲁逾. 基于专家系统的机器人PID控制[J]. 模式识别与人工智能, 1994, 7(1): 7-14.

[6] 蔡自兴, 姜志明. 基于专家系统的机器人高层规划[J]. 电子学报, 1993, 21(5): 88-90.

[7] 许彦峰, 孙汉旭. 人工智能在机器人领域的开发应用[J]. 机电产品开发与创新, 2004, 1: 4-7.

[8] 白文峰, 杨一曼, 宋文蕾. 实时专家系统在全自主足球机器人动态避障中的应用[J]. 仪器仪表用户, 2007, 14(3): 74-75.

[9] 蔡自兴. 一种用于机器人高层规划的专家系统[J]. 高技术通讯, 1995, 5(1): 21-24.

[10] 隋清, 蒋静坪. 专家系统在机器人控制中的应用[J]. 计算技术与自动化, 1992, 11(3): 6-13.

本文来源：https://www.bwwdw.com/article/30p1.html