生物生产机器人 参考资料（中文课件）----第八章.doc

基于知识的决策支持
机器人智力是感知、推理、学****交流、计划任务和机械工作能力的最好反映(Ting,1997)。感知是对环境的认识能力,并能根据外界环境的变化做出反映。推理一般是通过逻辑演绎、数学分析和启发式推论完成的。生物处理系统所固有的挑战是需要使用变化的、不完整的、不精确的和不确定的信息进行推理。生物系统的一个重要方面就在需要一定量的定量和个别知识来处理外界环境的改变。一些技术已经被发展用来处理与启发式推理有关的问题,如专家系统和模糊逻辑。
另一个使人感兴趣的领域是在机械没有先前相关知识的前提下提高它的获得信息的能力。人工神经网络(ANN)是机械学****的基于经验的方法。这章包括三个基于知识的人工智能:带有专家系统的启发式推理,用于处理不确定性的模糊控制以及人工神经网络。
启发式推理
专家系统和机器人技术、机器视觉、自然语言处理、自动编程一起被认为是一种人工智能的话题。专家系统是一种智能的计算机程序,它能够运用知识进行推理,解决只有专家才能解决的复杂问题。
专家系统功能的强大在于其包含的知识库和在获得结论时的推理器。在研制专家系统是,知识库和推理器是分开的,这样是为了便于增加和修改知识库。由于专家系统是模拟人类的思维方式,不会有人类专家那样的创造性,在多数情况下,专家系统处理问题面非常狭窄,因此,它们缺乏看大图片和训练通感的能力。而人工经验是更持久,更容易移动和建档,更能在不同场所利用经验同时进行应付。
那些开发专家系统的人叫知识工程师,他们的工作就是提取专家的知识,组织和表达知识,在计算机上编码知识(和推理器)。首先是确定专家系统用于某一特殊问题的可行性。专家系统在以下情况下能得到很好的应用:(1)问题不涉及繁重的数学计算;(2)本身是诊断问题,例如除错;(3)知识库本身存在不确定性或专家系统要处理的情况的不确定性;(4)信息以可追踪的关系构建。构建专家系统时,以下几个方面的过程不可避免。
知识表达专家系统通常使用基于框架和规则的方法使知识便于被计算机进一步的处理和利用。在基于框架的方法里,知识以网络节点和分层方式的关系来表达。基于规则的方法是利用IF-THEN循环语句的格式。
创建知识库知识工程师要做的第一步是研究用于处理手头事情的专家系统是不是有可能的、正确的和合适的。这必须要专家确实存在并且他们愿意贡献出他们的经验。要解决的问题需要启发式推理。专家们必须能达成一致的结论。此外,应该认识到专家系统需要不断发展。一个有用和完整的专家系统需要有一段很长的发展期。专家系统通常在完成最终的商业版本之前会不断改进和扩展演示版本。
推理引擎通常选择和执行规则有两个办法:演绎法和归纳法。演绎法是导向断言型语句。它是用包含一定特殊变量的断言语句发起所有的规则的。归纳法是从结论出发的(如目的出发)。它首先确定一个实事,从实事出发确定规则。演绎法在大部分场合被认为更有效。
对不确定性的推理专家系统所具备的在处理分裂的、不完整的和不确定的信息时的能力使它与人类专家相似。据说这种努力就是使不精确变成精确成为可能。由Zadeh (1965)提出的模糊逻辑、Buchanan和Shortliffe (1984)提出的确定因素Bayes规则是三个比较有名的方法。
专家系统的评价专家系统需要评价的内容包括内容、性能和操作友善性。所作的决定和给的建议必须中肯可靠。在评价专家系统时确实存在的挑战包括确立客观的评价标准和选择的用户公正性。
关于生物机器人
20世纪80年代,出现了很多关于发展用于农业应用的专家系统的方案。到目前为止,很少有关于将专家系统应用于生物机器人;但是,由于确实存在可行性。
专家系统在设计和选择、操作和编程、控制及除错阶段能帮助生物机器人。它已经作为其它计算机模型的前端处理器和结果的注释器。因此可能被用于帮助开发和执行机器人的程序。它可能引导机器人操作的控制逻辑,特别是该操作涉及高度的变化性和不确定性时。专家系统比较适合除错的工作。由于生物机器人提出的特殊要求,知识库的决定支持对它们的发展和操作就认为很重要了。
模糊控制
总的说来,机器人作出决定是根据已有的相关信息和知识。但这些信息和知识包括客观的不确定性和主观的不确定性。
     目前已经在处理主观不确定性上进行了尝试。代表性的方法包括确定因素和模糊理论。
基本模糊理论
模糊理论是Zadeh于1965年为表达模糊集合(比较传统的集合理论)提出来的。传统的集合理论理,每个元素是被清楚定义的。相反,模糊集合没有清晰的定义。如果将人分为青年人,中年人和老人三个集合。那么小孩就属于青年人,100岁的老人就属于老人集合。但是