廈門大學(xué)軟件學(xué)院 臧思遠(yuǎn) 蘇晨宇 張圣鍇

0 引言

在信息技術(shù)、計算機(jī)技術(shù)持續(xù)發(fā)展的背景下，人工智能領(lǐng)域已經(jīng)成為了廣泛交叉的前沿學(xué)科，無論是理論研究還是實踐研究，都取得了較為顯著的成果，不僅在自動化方面的應(yīng)用處于核心的地位，同時也是公用事業(yè)智能化的重點目標(biāo)。

1 公用事業(yè)智能化的背景及發(fā)展趨勢

1.1 國內(nèi)背景

在城市基礎(chǔ)設(shè)施中以及城市管理中，水、電、燃?xì)獾裙芫W(wǎng)運營及終端服務(wù)一直是非常重要的組成部分，其發(fā)展經(jīng)營狀況對城市的經(jīng)濟(jì)及安全有較大的影響。公用事業(yè)不但與國家能源的安全密不可分，而且還具有公益性、需要承擔(dān)一定的社會責(zé)任，因此相關(guān)企業(yè)的服務(wù)質(zhì)量不但會對自身的利益產(chǎn)生較大的影響，也會直接影響到社會的穩(wěn)定和政府的形象。所以，基于長遠(yuǎn)角度來分析，水、電、燃?xì)獾裙檬聵I(yè)企業(yè)構(gòu)建智能化體系是非常有必要的，在此基礎(chǔ)上構(gòu)建出業(yè)務(wù)處理效率高、信息共享程度高的系統(tǒng)，以滿足當(dāng)前的實際需求。

1.2 現(xiàn)狀與發(fā)展趨勢

早在上世紀(jì) 90年代，國內(nèi)城市的一些公用事業(yè)企業(yè)便開始對管理信息系統(tǒng)的研發(fā)，經(jīng)過近 30年的不斷努力，截止到目前已經(jīng)積累了豐富的成果與經(jīng)驗，在信息化水平方面有著明顯的突破。管理信息系統(tǒng)所涉及到的內(nèi)容有信息化辦公、營銷管理、管網(wǎng)運營管理以及生產(chǎn)管理等，在企業(yè)發(fā)展的進(jìn)程中處于重要的地位。各種信息管理及采集、分析、決策系統(tǒng)的應(yīng)用，不但實現(xiàn)了數(shù)據(jù)采集效率的提高、服務(wù)水平的提升，同時在管理決策方面也具有較大的幫助，進(jìn)而實現(xiàn)了社會效益、經(jīng)濟(jì)效益的提升。

在我國信息化建設(shè)持續(xù)進(jìn)行的過程中，水、電、燃?xì)獾裙芫W(wǎng)的規(guī)劃與管理都運用了現(xiàn)代化信息技術(shù)，呈現(xiàn)出自動化、科學(xué)化、定量化的特征?，F(xiàn)階段，越來越多的公用事業(yè)企業(yè)將人工智能技術(shù)作為核心，在此基礎(chǔ)上來實現(xiàn)信息化的全方位、綜合性的建設(shè)，不斷的加大運營監(jiān)管力度，并盡可能的實現(xiàn)服務(wù)水平與效率的提升，這已經(jīng)成為了各公用事業(yè)企業(yè)的共同目標(biāo)。

本文探索的是應(yīng)用于公用事業(yè)企業(yè)終端服務(wù)領(lǐng)域的智能機(jī)器人。

2 智能機(jī)器人的發(fā)展趨勢

在全球信息化持續(xù)發(fā)展的進(jìn)程中，機(jī)器人產(chǎn)業(yè)取得了長足的發(fā)展，并且已經(jīng)成為了衡量一個國家高端制造業(yè)水平、國家科技創(chuàng)新的核心指標(biāo)。尤其是經(jīng)濟(jì)發(fā)達(dá)國家，近年來已經(jīng)將機(jī)器人產(chǎn)業(yè)提升到國家戰(zhàn)略，以促使國家綜合實力的提升。

2013年美國發(fā)布的機(jī)器人發(fā)展路線報告中，明確提出了智能機(jī)器人的地位是非常重要的。另外，歐盟也加快了對機(jī)器人領(lǐng)域研究，將“SPARC”計劃提出后，預(yù)計在2020年投入28億歐元在機(jī)器人領(lǐng)域中。同時，日本政府在經(jīng)濟(jì)增長戰(zhàn)略中，將機(jī)器人列為重要分支，期望通過加大對機(jī)器人領(lǐng)域的研發(fā)力度，來實現(xiàn)本國經(jīng)濟(jì)水平的進(jìn)一步提升。

在國內(nèi)方面，于上世紀(jì) 70年代開始對機(jī)器人領(lǐng)域的研究，相對于發(fā)達(dá)國家來說，即便我國在該領(lǐng)域的研究較晚，但是發(fā)展速度是非?？斓?，主要可以將機(jī)器人領(lǐng)域的發(fā)展劃分為三個階段。其中，20世紀(jì)80年代為初期發(fā)展階段，到達(dá)90年代時取得了新的進(jìn)展，并在 21世紀(jì)初期步入到產(chǎn)業(yè)化階段。伴隨著該領(lǐng)域的不斷發(fā)展，我國機(jī)器人裝機(jī)容量在 2010年開始是逐漸增加的，并朝著機(jī)器人產(chǎn)業(yè)鏈發(fā)展。不難發(fā)現(xiàn)，我國機(jī)器人技術(shù)在近年來已經(jīng)取得非常顯著的成果，對于促進(jìn)我國人工智能領(lǐng)域的發(fā)展具有積極的作用。

3 智能機(jī)器人的設(shè)計思路與實現(xiàn)算法

3.1 智能機(jī)器人的設(shè)計思路

對于公用事業(yè)服務(wù)類的智能機(jī)器人，功能主要是：實現(xiàn)自主導(dǎo)航、智能抄表、自動繳費、安全監(jiān)控和遠(yuǎn)程維修，這也是公用事業(yè)企業(yè)服務(wù)的終端用戶的服務(wù)需求。通用軟件平臺、硬件平臺、標(biāo)準(zhǔn)化體系結(jié)構(gòu)，相對專業(yè)化應(yīng)用的模塊化組件集成能否構(gòu)建，將決定智能服務(wù)機(jī)器人能否被“創(chuàng)建”。

3.2 智能機(jī)器人與SLAM算法

在互聯(lián)網(wǎng)、人工智能不斷發(fā)展的背景下，陸續(xù)出現(xiàn)了送餐機(jī)器人、家庭陪伴機(jī)器人等，而研究用于公用事業(yè)終端客戶服務(wù)的智能機(jī)器人的智能化算法也成為了關(guān)注焦點。

首先，在自主定位導(dǎo)航技術(shù)方面，SLAM技術(shù)處于核心地位，SLAM 是同步定位與地圖構(gòu)建(Simultaneous Localization And Mapping)的縮寫，最早由Hugh Durrant-Whyte和John J.Leonard提出。其職責(zé)主要是實現(xiàn)地圖的創(chuàng)建與機(jī)器人的定位。

其次，SLAM技術(shù)涉及到眾多步驟，并且各個步驟都能夠采取不同類型的算法來進(jìn)行操作。該技術(shù)的核心是對機(jī)器人在未知環(huán)境移動過程中的定位，以及構(gòu)建地圖。

SLAM技術(shù)與各領(lǐng)域的關(guān)系，如圖1所示。

圖1 SLAM與各領(lǐng)域關(guān)系

總的來說，機(jī)器人在描述環(huán)境、認(rèn)識環(huán)境階段，是在地圖的基礎(chǔ)上來進(jìn)行操作的。根據(jù)地圖來對環(huán)境信息進(jìn)行描述，并根據(jù)具體的情況，來采用不同類型的傳感器與算法。

歸納現(xiàn)階段各個國家對該方面的研究情況可以發(fā)現(xiàn)，表示法一般由三種類型所構(gòu)成的，分別為拓?fù)鋱D、幾何信息表示以及柵格表示。具體來說，拓?fù)鋱D具有抽象度高的特征，特別是在環(huán)境較大且簡單的環(huán)境下，拓?fù)鋱D法能夠很好的將地圖的具體情況展現(xiàn)出來，在圖中不同的節(jié)點都代表著環(huán)境中的地點、特征狀態(tài)；幾何信息表示法代表的是機(jī)器人來對環(huán)境的感知信息進(jìn)行收集，并對更加抽象的幾何特征進(jìn)行提取，具有代表性的有曲線、線段等，借助于幾何特征來對環(huán)境進(jìn)行描述；柵格表示法具體是將整體劃分為大小相同柵格，并對柵格中是否存在障礙物進(jìn)行判斷。

SLAM的實現(xiàn)方法大致可分為兩類：基于概率模型的方法和非概率模型的方法。前者包括基于卡爾曼濾波的完全SLAM、壓縮濾波、FastSLAM等，后者則包括SM-SLAM、掃描匹配、數(shù)據(jù)融合、基于模糊邏輯等。

現(xiàn)階段，在SLAM技術(shù)中運用最多的是卡爾曼濾波器，基于統(tǒng)計學(xué)角度可以將SLAM視為濾波問題，卡爾曼濾波器具體的操作是根據(jù)0到t時刻的控制信息與觀測信息，來對當(dāng)前的狀態(tài)進(jìn)行估計。假設(shè)系統(tǒng)的運動模型和觀測模型是帶高斯噪聲的線性模型，系統(tǒng)的狀態(tài)服從高斯分布，是由狀態(tài)預(yù)測與更新兩個環(huán)節(jié)所構(gòu)成的，卡爾曼濾波器則是可以完美匹配的。

需注意的是，在對卡爾曼濾波器運用的過程中，假設(shè)系統(tǒng)為線性系統(tǒng)，但是機(jī)器人實際的觀測模型與運動模型全部都是非線性的，則需要借助一階泰勒來展開近似表示非線性模型。

另一種適用于非線性模型的卡爾曼濾波器是UKF，UKF采用條件高斯分布來近似后驗概率分布，相對于前者來說，UKF所具有的優(yōu)勢為具有更高的線性化精度，最重要的是不必對雅可比矩陣進(jìn)行計算。

3.3 分布式人工智能

在機(jī)器人領(lǐng)域不斷發(fā)展的進(jìn)程中，對SLAM方面的研究也是持續(xù)加深的，尤其是在提升魯棒性、降低計算復(fù)雜度方面具有很好的效果。與此同時，近年來還持續(xù)將智能控制、人工智能等相關(guān)的方法融入到SLAM領(lǐng)域中，以實現(xiàn)對更加合理、有效的SLAM算法進(jìn)行研究與開發(fā)。

在分布式人工智能領(lǐng)域研究的過程中，主要是將相互協(xié)作的、并行的求解問題作為核心，采用由自底向上、自頂向下兩種方法來對解決問題。其中，自底向上是基于主體的方法，而自頂向下則是分布式問題求解。需注意的是，分布式人工智能系統(tǒng)中的控制、知識以及數(shù)據(jù)，無論是在物理上，還是在邏輯上都是分布的。借助于互聯(lián)網(wǎng)來實現(xiàn)各個求解機(jī)構(gòu)的連接，因此在求解問題時所花費的代價是相對較低的?？偟膩碚f，分布式人工智能可以實現(xiàn)各個求解主體間的相互協(xié)作，能夠快速的解決較為困難的問題與任務(wù)，同時在問題求解效率的提升方面也具有很好的作用。在上世紀(jì) 90年代，當(dāng)時學(xué)者主要是將多主體系統(tǒng)作為核心，主要研究的內(nèi)容是智能主體間的協(xié)調(diào)，可以是實現(xiàn)不同主體的不同目標(biāo)，也可以是實現(xiàn)各個分支的共同目標(biāo)，通過協(xié)作的方式來對問題進(jìn)行求解。

在人工智能領(lǐng)域中，智能主體處于核心地位。對此，學(xué)者Hayes-Roth在IJCAI'95的特邀報告中談到：“智能的計算機(jī)主體不但是人工智能的初級目標(biāo)，也是終極目標(biāo)?！笨傊?，基于主體的計算，將會成為智能服務(wù)機(jī)器人領(lǐng)域未來階段的重要發(fā)展方向。

公用事業(yè)服務(wù)機(jī)器人能夠集成多方面的功能。機(jī)器人系統(tǒng)能夠處理視頻、語音以至于溫度等外界信息，與傳統(tǒng)的信息監(jiān)控工作相比，智能化機(jī)器人可以集多項技術(shù)于一身。比如機(jī)器人在承擔(dān)保安的工作的同時，還能建立完整的監(jiān)控體系，從而大幅提高整個安防體系的安全性。

公用事業(yè)服務(wù)機(jī)器人通過分布式多主體系統(tǒng)進(jìn)行程序控制行為，完全不會心理狀態(tài)不佳的情況，從而實際操作中比人工的準(zhǔn)確性更高。總的來說，公用事業(yè)企業(yè)加強(qiáng)對服務(wù)機(jī)器人的運用，對于事故發(fā)生率的大幅度降低具有很好的效果，尤其是在保障人類生命安全方面具有積極的作用。

通過分布式人工智能解決了通信過程中的代價問題，公用事業(yè)服務(wù)機(jī)器人相較于傳統(tǒng)的工作效率更高，在時間工作中更少出現(xiàn)失誤情況，能夠幫助企業(yè)大幅降低人工成本。

3.4 智能機(jī)器的學(xué)習(xí)

對于智能機(jī)器學(xué)習(xí)其涉及到的方法類型是相對較多的?；谡J(rèn)知科學(xué)的層面，可以將智能機(jī)器學(xué)習(xí)劃分為類比學(xué)習(xí)系統(tǒng)、歸納學(xué)習(xí)系統(tǒng)以及演繹學(xué)習(xí)系統(tǒng)等。

(1)歸納學(xué)習(xí)系統(tǒng)，該系統(tǒng)屬于推理學(xué)習(xí)系統(tǒng)的一種，歸納是由不完全歸納與完全歸納兩種類型所構(gòu)成的。在不完全歸納系統(tǒng)中，是由因果關(guān)系歸納與簡單枚舉歸納所構(gòu)成的。其中，因果關(guān)系歸納也被稱為“科學(xué)歸納法”，是指將事物因果關(guān)系作為核心，來對所有對象都具有某種屬性；

(2)演繹學(xué)習(xí)系統(tǒng)，此系統(tǒng)是運用推理定理法則、公理系統(tǒng)來對相關(guān)的結(jié)果進(jìn)行推理，具有代表性的有模態(tài)邏輯推理、三段論推理等；

(3)類比學(xué)習(xí)系統(tǒng)，通常也被稱為模仿系統(tǒng)，屬于從特殊到特殊的一種推理與學(xué)習(xí)系統(tǒng)。首先需要對一般規(guī)律進(jìn)行尋求，然后將其聯(lián)系到新的事例當(dāng)中，可以將其視為創(chuàng)作性的推理與學(xué)習(xí)。

在對學(xué)習(xí)模型工作建立的過程中，其優(yōu)勢主要體現(xiàn)在兩個方面：其一，有助于促進(jìn)公用事業(yè)服務(wù)機(jī)器人更加智能，可以更加完美的來提供相應(yīng)的服務(wù)；其二，能夠更加深入的來認(rèn)識與了解人類的學(xué)習(xí)過程，在促進(jìn)智力開發(fā)方面具有不可小視的作用。在持續(xù)對不同類型人工智能系統(tǒng)研究的過程中，了解到目前人工智能系統(tǒng)的智能水平處于高級階段。舉例來說，尤其是自動編程系統(tǒng)被開發(fā)成功，對于促進(jìn)計算機(jī)程序設(shè)計來說是相當(dāng)重要的，而擁有學(xué)習(xí)功能的公用事業(yè)服務(wù)智能機(jī)器人系統(tǒng)在實踐的過程中，其水平也是處于不斷增加的狀態(tài)。對此，基于H.Simon的學(xué)習(xí)定義角度，來對簡單的學(xué)習(xí)模型進(jìn)行構(gòu)建，具體見圖2。

圖2 學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)

該圖表示學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)。環(huán)境向系統(tǒng)的學(xué)習(xí)部分提供某些信息；學(xué)習(xí)分支則是運用相關(guān)的信息來對知識庫進(jìn)行修改，以實現(xiàn)任務(wù)完成效能的提升；而執(zhí)行分支則是將知識庫中所完成的任務(wù)作為核心，并將得到的相關(guān)信息反饋到學(xué)習(xí)分支?？偟膩碚f，在學(xué)習(xí)系統(tǒng)具體操作的過程中，執(zhí)行、知識庫、學(xué)習(xí)以及環(huán)境都起到?jīng)Q定性的作用。

在計算機(jī)科學(xué)體系持續(xù)發(fā)展的進(jìn)程中，智能服務(wù)機(jī)器人與人工智能領(lǐng)域想要實現(xiàn)更好、更快的發(fā)展，加強(qiáng)思維學(xué)研究則是非常有必要的，也就是說在創(chuàng)造性思維工作上需要由機(jī)器來完成，經(jīng)過對大量知識的輸入后，能夠不斷的來對經(jīng)驗進(jìn)行總結(jié)與歸納，并發(fā)現(xiàn)出新的領(lǐng)域與成果。

3.5 智能決策與調(diào)度

為了使服務(wù)機(jī)器人能夠基于用戶的安全狀態(tài)改變當(dāng)前的談話內(nèi)容，從而達(dá)到更好的安全防護(hù)目的，智能機(jī)器人使用一個LSTM模型，見圖3。通過用戶基本信息以及當(dāng)前用戶安全狀態(tài)，做出當(dāng)前機(jī)器人的行為決策，如預(yù)警處理、安全動作的選擇；而預(yù)測機(jī)器人回應(yīng)的安全狀態(tài)，在對基于情感的決策系統(tǒng)的構(gòu)建方面具有很大的作用。

圖3 LSTM模型

公用事業(yè)服務(wù)機(jī)器人使用基于序列生成的編碼—解碼框架來構(gòu)建調(diào)度系統(tǒng)。編碼器對一句輸入語境進(jìn)行編碼，解碼器利用該編碼輸出決策語句。

從x1到xTχ是由用戶安全環(huán)境解析得到的向量，分別為RNN正向和反向計算的隱層值。

計算解碼器隱層：

初始化解碼器隱層值：

說明：i表示解碼器當(dāng)前輸出的第i個狀態(tài)特征，t表示讀取用戶安全狀態(tài)的第t個時幀。

控制用戶環(huán)境狀態(tài)：

更新解碼器隱層值：

輸出門，控制生成決策為安全決策還是通用決策的比率：

生成詞在通用詞表和情感詞表中的概率分布：

總概率分：

損失函數(shù)：

編碼—解碼框架見圖4編碼—解碼框架見圖4。

圖4 編碼—解碼框架

4 結(jié)語

無論是從公用事業(yè)智能化在國內(nèi)外的快速發(fā)展，還是從智能機(jī)器人產(chǎn)業(yè)與日俱增的地位來看，在公用事業(yè)行業(yè)應(yīng)用智能機(jī)器人已經(jīng)是大勢所趨。在未來，即使是一個普通的家庭，智能機(jī)器人也將成為基本的需求。要開發(fā)具有一定智能水平、并為人們提供多種服務(wù)的智能機(jī)器人，需要探索人類智能的工作原理，這涉及到人工智能學(xué)科相當(dāng)多的算法與概念，如分布式人工智能、機(jī)器學(xué)習(xí)、智能決策與調(diào)度等。本文僅僅是對智能機(jī)器人在公用事業(yè)行業(yè)應(yīng)用的初步探索，探討了構(gòu)成智能機(jī)器人的最基本的算法，但是對于機(jī)器人的更為細(xì)致的整體方案、設(shè)計思路、功能響應(yīng)以及系統(tǒng)安全等方面更深入的探索，還有賴于相關(guān)領(lǐng)域的進(jìn)一步發(fā)展。