智能家居机器人的开发关键技术

杨苏娟 周非凡 南京邮电大学

1 环境感知技术

人工智能环境感知技术是实现自主机器定位、导航的前提，通过对周围环境进行有效的感知，人工智能可以更好地进行自主定位、环境探索与自主导航等基本任务的实施。环境感知技术是人工智能自主行为理论中的重要研究内容，具有十分重要的研究意义。

人工智能的环境感知技术的研究分为三个方面。1、环境信息的获取。人工智能可以通过各种传感器来获取周围环境的信息，在这次的项目中我们将利用视觉传感器将景物的光信号转换成电信号。2、环境信息的提取与处理。视觉传感器可以直接对外界环境进行拍摄，提取物体的颜色、边界等特征信息，然后对特征进行去噪、聚类和匹配等处理，达到对环境进行识别的目的。3、对外界环境特征进行提取和处理后，在完全位未知的环境中，人工智能利用自身携带的传感器，如激光测距仪、超声传感器、视觉摄像头等感知环境，从得到的感知信息中提取出环境特征，构建出环境地图。

2 语音识别技术

根据对说话人说话方式的要求，可以分为孤立字（词）语音识别系统，连接字语音识别系统以及连续语音识别系统。 根据对说话人的依赖程度可以分为特定人和非特定人语音识别系统。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。此外，还涉及到语音识别单元的选取。

（1）语音识别单元的选取

选择识别单元是语音识别研究的第一步。语音识别单元有单词（句）、音节和音素三种，具体选择哪一种，由具体的研究任务决定。音节单元多见于汉语语音识别，主要因为汉语是单音节结构的语言，而英语是多音节，并且汉语虽然有大约1300个音节，但若不考虑声调，约有408个无调音节，数量相对较少。因此，对于中、大词汇量汉语语音识别系统来说，以音节为识别单元基本是可行的。

（2）特征参数提取技术

从信息论角度讲，这是信息压缩的过程。 线性预测（LP）分析技术是目前应用广泛的特征参数提取技术，许多成功的应用系统都采用基于LP技术提取的倒谱参数。

（3）模式匹配及模型训练技术

模型训练是指按照一定的准则，从大量已知模式中获取表征该模式本质特征的模型参数，而模式匹配则是根据一定准则，使未知模式与模型库中的某一个模型获得最佳匹配。语音识别所应用的模式匹配和模型训练技术主要有动态时间归正技术（DTW）、隐马尔可夫模型（HMM）和人工神经元网络（ANN）。

DTW是较早的一种模式匹配和模型训练技术，但因其不适合连续语音大词汇量语音识别系统，目前已被HMM模型和ANN替代。

HMM模型是语音信号时变特征的有参表示法。它由相互关联的两个随机过程共同描述信号的统计特性。模型参数包括HMM拓扑结构、状态转移概率及描述观察符号统计特性的一组随机函数。

ANN本质上是一个自适应非线性动力学系统，模拟了人类神经元活动的原理，具有自学、联想、对比、推理和概括能力。

3 路径规划和避障技术

机器人路径规划技术，就是机器人根据自身传感器对环境的感知，自行规划出一条安全的运行路线，同时高效完成作业任务。移动机器人路径规划主要解决3个问题：(1) 使机器人能从初始点运动到目标点；(2) 用一定的算法使机器人能绕开障碍物，并且经过某些必须经过的点完成相应的作业任务；(3) 在完成以上任务的前提下，尽量优化机器人运行轨迹。按照策略分类，路径规划算法可以分为一下四类：模版匹配路径规划技术、人工势场路径规划技术、地图构建路径规划技术和人工智能路径规划技术。其中人工势场路径规划技术的优点为算法简明，实时性良好,占用计算资源少，规划路径轨迹圆滑，非常适合移动机器人领域，因此本课题采用人工势场法路径规划技术，结合超声波传感器，实现路径规划和避障。

4 应用场景

两个场景：主人回家的场景及需要搜寻物品的场景。

智能家居机器人与其他的机器人不同地方就在于它是陪伴型的机器人，而陪伴的过程中最直接的接触就是交流，包括回到家打开门就可以看见机器人是对感情很好的发展，也能使人对机器人产生感情和依赖。当主人回到家，在门外喊开门时，机器人就会进行语音识别，在确认无误后调用各种功能前进至门口把将门打开，迎接主人归家。

而搜寻物品的场景是当主人当即需要拿到某一件物品时，它能够准确无误地找到此物品并将其交与主人。这就解决了主人出门前手忙脚乱找不到钥匙手机钱包等的困扰，也能在日常生活中解决常常遇到的冥思苦想无法想起过往的物件所放置的位置的问题。总而言之，智能家居只是智能机器人的一个应用方面，在这个方面它还有更广大的空间可以不断发展。

[1]DongCaiYu. Mobile robot autonomous navigation and positioning technology.