基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法

本发明涉及机器人控制，具体涉及一种基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法。

背景技术：

1、如今，机器人已经被广泛应用于各种场景中，在这些场景中，它们应该遵守社交协议并表现出自然行为。但就目前的研究而言，尽管社会互动在日常生活中很常见，但对人类社会反应的全面分析却很少。如何使机器人理解社会场景并表现出人类的自然行为成为了现代社会广泛关注的问题。目前有两个问题等待解决，即不同对象之间的选择和协调肢体的同步控制。基于上述问题，已经从两种方法进行了研究，即数据驱动方法和模型驱动方法。然而，在没有生物学机制的先验知识的情况下，数据驱动模型很难在动态和长期尺度上解释人类行为。关于模型驱动方法的研究，许多研究都关注人类行为的基本协调模式。基于上述背景，本发明重点是建立一个模型来表示协调的社会行为，包括身体运动/定向、头部旋转和眼球运动，提出了一种基于社会空间和神经调制的同步控制。这一方法在小胖机器人平台上得到了验证，它在多对象场景中协调社会行为的表征方面显示出了很好的结果。

技术实现思路

1、为了克服现有技术的不足，本发明提供了一种基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法，解决了多目标社交场景中机器人的控制问题，并对其包括身体运动和定向、头部旋转和眼球运动等协调行为进行了建模。在给定模型的基础上，提出了一种由社会空间理论和神经调节机制驱动的同步控制方法。该方法根据动态社会空间控制机器人身体，并基于最小神经传递噪声定律调节眼-头坐标凝视行为。

2、本发明的目的是对多目标场景中包含的协调社会行为的建模，并提出一种包含身体运动/定向、头部旋转和眼球运动的机器人社会行为同步控制策略。该策略收集场景中感知到的rgb-d图像和声场，根据机器人和人的社交空间与相对位置来确定身体的运动和方向；采用基于最小神经传输噪声的最优控制算法来确定眼-头注视行为。

3、为实现上述目的，本发明涉及的基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法，具体包括以下步骤：

4、(1)通过群组的社交空间确认机器人社交距离

5、社会空间分为两类，即个人空间和群体空间，对于一个社会个体来说，他的个体空间是一个以自己为中心的区域，该区域通过高斯函数fip(x,y)来构建，

6、fip(x,y)的计算过程如公式(2a)-(2d)

7、

8、θi＝atan2((y-yi),(x-xi))(2b)

9、

10、

11、对于一个群组，累加社会对象个人空间的高斯函数，得到群体空间的高斯方程fig(x,y)

12、

13、其中，(x,y)为机器人在平面坐标系下的位置，(xi,yi)为群组中社交对象i在平面坐标系下的位置,a为幅度,σx为水平方向的标准偏差，σy为前后方向的标准差，θi为机器人与社交对象的身体之间的偏转角，n是群组中社交对象的数量；

14、改变机器人的位置，进而改变机器人的fig(x,y)值，使得机器人与群组能够维持在一个合适的距离，即满足霍尔社交准则的距离；

15、(2)通过最优社会交互凝聚力确认机器人身体转角

16、在多对象场景中，使用社会交互凝聚力得分来表示群体中的互动意图，社会交互凝聚力值由以下方程获得，

17、

18、

19、sg＝wg*n                (6)

20、

21、stotal＝si+sg+sp                          (8)

22、wp+wg+wi＝1                      (9)

23、其中，θij是群组中社交对象i和社交对象j的身体方向矢量在平面坐标系的x-y平面上的角度，wi表示社会交互凝聚力得分占总凝聚力的比重，g表示群组的社交空间fig(x，y)，wg表示群体规模凝聚力得分sg所占总凝聚力得分stotal的比重，wp是接近内聚得分sp所占总凝聚力得分stotal的权重，dist(i，j)是群组中社交对象i和社交对象j之间的欧几里得距离，wp是接近内聚得分所占总凝聚力的权重。(xj，yj)为群组中社交对象j在平面坐标系下的位置，(xi，yi)群组中社交对象i在平面坐标系下的位置；

24、找出社会交互凝聚力得分最大时的身体转角，进而获得在最优社会群体凝聚力条件下机器人的身体转角与每个社会对象的身体取向之间的角度关系；

25、(3)根据声源信息，在给定边界条件下求解最优运行时间来控制眼头协同。

26、本发明与现有技术相比具有以下有益效果：本发明从社交线索和生物学角度建立了一个模型来表示协调的社会行为，提出了一种基于社会空间和神经调制的同步控制方法，该方法在小胖机器人平台上得到了验证，在多对象场景中协调社会行为的表现方面表现出了良好的效果。采用基于最小神经传输噪声的最优控制算法来调制眼头注视行为，通过对该模型和策略下机器人的动态特性的分析，证明了该模型和策略的有效性和稳定性。

技术特征：

1.基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法，其特征在于，具体包括以下步骤：

技术总结
本发明公开了一种基于场景信息和神经调制机制驱动的机器人社会行为同步控制方法，首先通过群组的社交空间确认机器人社交距离，然后通过最优社会交互凝聚力确认机器人身体转角，最后根据声源信息，在给定边界条件下求解最优运行时间来控制眼头协同。方法在小胖机器人平台上得到了验证，在多对象场景中协调社会行为的表现方面表现出了良好的效果。采用基于最小神经传输噪声的最优控制算法来调制眼头注视行为，通过对该模型和策略下机器人的动态特性的分析，证明了该模型和策略的有效性和稳定性。

技术研发人员：刘仁楷,刘晓瑞,于金鹏
受保护的技术使用者：青岛大学
技术研发日：
技术公布日：2024/1/15