298. 智能系统学报 第5卷 兴奋/P愉快划 其他 其他 沿墙运动 疲劳 玩游戏 睡觉 P愉快 P愉快疲劳 P愉快 障碍物方向的探 躲避障碍 奔向目标 P愉快 表示抑制 学习 图4基本算法的控制结构图 Fig.4 Basic path planning algorithm ⊕ ④ 确信P愉快其他 0000 图3行为状态转移图 Fig.3 Transition graph of behavioral states 3.2家居环境中的虚拟人路径规划 (a)宽出口情况 b窄出口情况 规划能力是人类行为中最重要的特性之一.基 本规划行为中最常见的是路径规划行为.准确模拟 图5沿墙运动模式的2种情况 路径规划行为不仅为动画控制提供方便的手段，而 Fig.5 Mode of follow_wall 3.2.2改进的行为避障算法 且为进一步模拟复杂的虚拟人行为奠定基础， 对于实际中的物理机器人，能够顺利地躲避障 路径规划的目的是通过系统或用户指定目标 碍物，到达目的地就可以算完成了既定的任务.但智 点，虚拟人从当前位置行走到该目标，要求满足路径 能家居虚拟仿真环境中的虚拟人，不仅需要到达目 最佳且安全，达到渲染实时性.虚拟人又称为软件机 标点，同时还需要能够更好地模仿实际中的人的活 器人(Sobot),它与物理机器人既有不同之处，又有 动，因此本文在原算法的基础上添加了寻找出口的 许多相同之处.虚拟人的研究目前处于初始阶段，因 行为模式，它拥有最高优先级，在一定条件下将抑制 此对于路径规划算法的研究有很多参考了物理机器 沿墙运动行为，如图6. 人的路径规划算法.本文采用了物理机器人路径规 划中较为实用的基于行为避障的动态路径规划，并 寻找出口 针对智能家居环境的具体应用对算法进行了改进， 沿墙运动 添加了寻找出口模式， 3.2.1基本的行为避障算法 碍物 躲避障碍 奔向目标 基本的基于行为的路径规划通常包括以下3种基 向的 本行为0：奔向目标(move_to_goal)、躲避障碍(avoid. 表示抑制 obstacle)和沿墙运动(follow_wall),如图4所示. 图6改进算法的控制结构图 智能家居环境中多是房间，房间是由至少三面 Fig.6 Improved path planning algorithm 墙壁环绕构成的，即三面都有障碍物.对于这种环形 寻找出口模式的的原理如图7所示.在奔向目标 结构，当目标点在障碍物前方，如图5所示，普通的 及躲避障碍物模式的驱使下，虚拟人走到临近前方墙 基于行为的路径规划会使机器人进入沿墙走模式. 面的位置时，基本的行为避障算法将启用沿墙运动模 但实际中的人不会如此行走，人们会在进入房 式.为了使运动更接近实际中人的运动，即在发现环形 间发现通往目标点没有直接的出口后，直接调转方 区域内前方无出口后，人将从入口返回，改进算法此时 向朝门口走去.因此为了解决该问题，本文对上述算 将启用寻找出口模式，同时抑制沿墙运动模式.算法将 法进行了改进 对入口2端进行连线，取连线中点作为临时目标点.当