第1期 阮晓钢，等：一种基于情感智能的机器人自主趋光行为研究 ·101· 动，说明已经掌握趋光能力。图6(d)是移动机器人 图7是机器人在趋光学习过程中的相邻动作评 在趋光移动中感知光强的变化曲线，机器人在起点 价值变化的收敛曲线。从曲线上可以看出，在学习 位置时，光强较弱，随着与光源距离的接近，光强逐 初期、中期和末期，曲线波动幅度由大到小，说明机 渐增加，最后到达光源附近，感知的光强最强。 器人最初缺乏先验知识，学习随机性较大，动态性 200 能较差，随着学习的进行，随机性减小，动态性能有 所提高，机器人自组织、自学习的能力逐步完善，机 器人逐渐学会了趋光移动技能，可以较好地模拟生 100 物的趋光行为。将学习实验进行100次，统计学习 成功的仿真实验步数并计算平均值，机器人平均需 要420步的学习，逐渐学会了趋光行为。将该方法 与没有情感智能作用的方法进行对比实验，在相同 100 200 实验条件下，没有情感智能作用时，平均需要550步 位移m 的学习。说明情感因数在机器人趋光行为决策中 (a)学习初期 可以减少学习步数。 2001 1.0r 0.8 100 0.6 0.4 G 0.2 100 200 位移m 200 400 600 (b)学习中期 动作执行次数 200 图7机器人趋光仿真收敛曲线 Fig.7 The robot convergence curve of phototaxis simulation 目 3.2趋光对比实验 100 为了进一步验证算法的有效性，在相同实验条 件下，将有无情感智能的2种情况做对比实验，改变 实验参数折扣因子y,2种方法分别进行100次试探 学习，分别统计两者学习的试探成功次数。通过实 100 200 位移m 验数据结果可以看出，在折扣因子选取不同的数值 时，有情感智能作用下的试探成功次数多，如图8所 (c)学习末期 示。说明在机器人的趋光学习过程中，情感智能的 1.0 引入能够提高机器人学习的试探成功率。 80 ■基于情感智能的趋光认知模型 趋光认知模型 60 0.5 40 200 400 与光源距离/m 0.1 0.30.50.7 09 折扣因子y (d)光强变化曲线 图6机器人趋光学习过程曲线 图8机器人趋光试探成功次数对比实验 Fig.6 The robot curve of phototactic learning Fig.8 The comparative experiments of robot phototaxis training success rate动袁说明已经掌握趋光能力遥 图 远渊凿冤是移动机器人 在趋光移动中感知光强的变化曲线袁机器人在起点 位置时袁光强较弱袁随着与光源距离的接近袁光强逐 渐增加袁最后到达光源附近袁感知的光强最强遥 渊葬冤学习初期 渊遭冤学习中期 渊糟冤学习末期 渊凿冤光强变化曲线 图 远摇 机器人趋光学习过程曲线 云蚤早援远 摇 栽澡藻 则燥遭燥贼 糟怎则增藻 燥枣 责澡燥贼燥贼葬糟贼蚤糟 造藻葬则灶蚤灶早 图 苑 是机器人在趋光学习过程中的相邻动作评 价值变化的收敛曲线遥 从曲线上可以看出袁在学习 初期尧中期和末期袁曲线波动幅度由大到小袁说明机 器人最初缺乏先验知识袁学习随机性较大袁动态性 能较差袁随着学习的进行袁随机性减小袁动态性能有 所提高袁机器人自组织尧自学习的能力逐步完善袁机 器人逐渐学会了趋光移动技能袁可以较好地模拟生 物的趋光行为遥 将学习实验进行 员园园 次袁统计学习 成功的仿真实验步数并计算平均值袁机器人平均需 要 源圆园 步的学习袁逐渐学会了趋光行为遥 将该方法 与没有情感智能作用的方法进行对比实验袁在相同 实验条件下袁没有情感智能作用时袁平均需要 缘缘园 步 的学习遥 说明情感因数在机器人趋光行为决策中 可以减少学习步数遥 图 苑摇 机器人趋光仿真收敛曲线 云蚤早援苑摇 栽澡藻 则燥遭燥贼 糟燥灶增藻则早藻灶糟藻 糟怎则增藻 燥枣 责澡燥贼燥贼葬曾蚤泽 泽蚤皂怎造葬贼蚤燥灶 猿援圆摇 趋光对比实验 为了进一步验证算法的有效性袁在相同实验条 件下袁将有无情感智能的 圆 种情况做对比实验袁改变 实验参数折扣因子 酌袁圆 种方法分别进行 员园园 次试探 学习袁分别统计两者学习的试探成功次数遥 通过实 验数据结果可以看出袁在折扣因子选取不同的数值 时袁有情感智能作用下的试探成功次数多袁如图 愿 所 示遥 说明在机器人的趋光学习过程中袁情感智能的 引入能够提高机器人学习的试探成功率遥 图 愿摇 机器人趋光试探成功次数对比实验 云蚤早援愿摇 栽澡藻 糟燥皂责葬则葬贼蚤增藻 藻曾责藻则蚤皂藻灶贼泽 燥枣 则燥遭燥贼 责澡燥贼燥贼葬曾蚤泽 贼则葬蚤灶蚤灶早 泽怎糟糟藻泽泽 则葬贼藻 第 员 期摇摇摇摇摇摇摇摇摇摇摇摇摇摇 阮晓钢袁等院一种基于情感智能的机器人自主趋光行为研究 窑员园员窑