AI技術(shù)在智能導(dǎo)航中的智能化模式研究

劉峰

摘要：

認(rèn)知智能是機(jī)器與人類智能最為接近的高級智能，為促進(jìn)導(dǎo)航系統(tǒng)認(rèn)知智能的發(fā)展，首先介紹了谷歌團(tuán)隊提出的人工智能空間自導(dǎo)航能力，然后結(jié)合智能導(dǎo)航機(jī)器智能的需求分類，同時結(jié)合傾斜攝影、虛擬現(xiàn)實等前沿技術(shù)，給出3種該人工智能技術(shù)在智能導(dǎo)航方面的智能化應(yīng)用模式，分別為移動機(jī)器人智能導(dǎo)航完善、三維地圖快速生成與路徑優(yōu)化，以及室內(nèi)復(fù)雜環(huán)境尋路模擬。3種模式將最新人工智能技術(shù)與前沿科技熱點進(jìn)行了合理融合，可為導(dǎo)航技術(shù)認(rèn)知智能的發(fā)展提供新思路。

關(guān)鍵詞：認(rèn)知智能；人工智能；智能導(dǎo)航；自導(dǎo)航

DOIDOI：10.11907/rjdk.181929

中圖分類號：TP302

文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2018）009004003

英文標(biāo)題Research on Intelligent Mode of AI Technology in Intelligent Navigation

——副標(biāo)題

英文作者LIU Feng

英文作者單位（Civil Aviation Telecom co.，Ltd，Beijing 100122，China）

英文摘要Abstract：Cognitive intelligence is the advanced intelligence of the machine closest to human intelligence. To promote the development of cognitive intelligence in navigation systems， we first introduce the selfnavigation capability of artificial intelligence space proposed by Google team， and then combine the requirements of intelligent navigation machine intelligence， and combine The cutting edge technology， such as tilt photography and virtual reality， gives three intelligent application modes of artificial intelligence technology in intelligent navigation， namely， intelligent navigation of mobile robots， rapid generation of 3D maps and path optimization， and simulation of indoor complex environment pathfinding. The three models integrate the latest artificial intelligence technology with the hotspot frontier technology， and propose new ideas for the cognitive intelligence development of navigation technology.

英文關(guān)鍵詞Key Words：cognitive intelligence；artificial intelligence； intelligent navigation； self navigation

0引言

美國東部時間2018年5月9日，谷歌DeepMind團(tuán)隊與倫敦大學(xué)學(xué)院（ULC）在《自然》雜志上發(fā)表重磅研究成果[1]：人工智能演化出與動物大腦類似的空間自導(dǎo)航能力。該研究成果標(biāo)志著人工智能在認(rèn)知智能研究方面邁上了新臺階。智能導(dǎo)航是導(dǎo)航系統(tǒng)的發(fā)展趨勢，也是當(dāng)前學(xué)者們研究的熱點。詹鐳等[2]針對操控人員無法實時了解四旋翼無人機(jī)飛行狀態(tài)的問題，通過設(shè)計智能導(dǎo)航系統(tǒng)，實現(xiàn)無人機(jī)的自主飛行；樊培毅[3]為提高地下停車場的車位利用率，提出一種基于位置指紋的WiFi室內(nèi)定位方法，為地下停車場的智能化導(dǎo)航帶來極大便利；李泉溪等[4]采用超聲波探測方法，結(jié)合人類經(jīng)驗及模糊控制理論對四輪移動機(jī)器人進(jìn)行了智能導(dǎo)航研究。目前，智能導(dǎo)航僅是利用現(xiàn)有定位系統(tǒng)，或基于已有三維地圖數(shù)據(jù)，通過一定算法，給出優(yōu)化的路徑選擇方法，導(dǎo)航智能仍停留在計算智能與感知智能上。例如，常見定位技術(shù)包括GPS定位[2，5]、藍(lán)牙定位[6]、WiFi定位[3，7]等，智能導(dǎo)航必須依托這些信息進(jìn)行計算，在缺乏上述信號的復(fù)雜野外環(huán)境以及對抗性強(qiáng)的戰(zhàn)場環(huán)境，現(xiàn)有智能導(dǎo)航則難發(fā)揮作用。認(rèn)知智能可以使智能導(dǎo)航系統(tǒng)進(jìn)行理解與思考，在定位信號缺失的情況下，可通過快速識別周圍環(huán)境，自我判斷最優(yōu)路徑，因此是未來智能導(dǎo)航的發(fā)展趨勢[8]。本文從谷歌DeepMind自導(dǎo)航能力出發(fā)，通過分析人工智能的分類，針對智能導(dǎo)航系統(tǒng)需求，結(jié)合近年來虛擬現(xiàn)實、傾斜攝影等熱門科技，探討智能導(dǎo)航在智能化領(lǐng)域的應(yīng)用模式。

1谷歌AI自導(dǎo)航能力

1.1概述

在未知環(huán)境中根據(jù)周圍環(huán)境特點自我尋路是哺乳類動物的基本技能。然而人工智能體即便經(jīng)過了強(qiáng)化學(xué)習(xí)訓(xùn)練，其在導(dǎo)航能力方面依然與哺乳類動物有較大差距。研究發(fā)現(xiàn)，哺乳類動物的這一能力主要由大腦嗅皮層的網(wǎng)狀細(xì)胞支撐。網(wǎng)格細(xì)胞的作用是提供一個多維度周期表示，其作用類似于一個編碼空間，對于集成自運動（路徑集成）與計劃直接軌跡到目標(biāo)（基于矢量的導(dǎo)航）具有關(guān)鍵作用。谷歌旗下的DeepMind公司與英國倫敦大學(xué)學(xué)院聯(lián)合署名在《自然》雜志發(fā)表題為“Vector-based navigation using gridlike representations in artificial agents”的文章，利用深度神經(jīng)網(wǎng)絡(luò)技術(shù)，得到類似哺乳類動物大腦嗅皮層網(wǎng)狀細(xì)胞的網(wǎng)狀神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，使人工智能體獲得了空間自導(dǎo)航能力，即在未知地域，通過智能體的自我學(xué)習(xí)獲得地域特征并找到最短路徑，當(dāng)?shù)赜虻牡匦蝿討B(tài)發(fā)生變化時，智能體能夠再次找到捷徑。該發(fā)現(xiàn)標(biāo)志著人工智能體在空間導(dǎo)航能力方面獲得了類似人類的認(rèn)知智能。

1.2實現(xiàn)方法

研究人員首先訓(xùn)練了一種循環(huán)網(wǎng)絡(luò)以執(zhí)行路徑集成，產(chǎn)生一種類似網(wǎng)格細(xì)胞的表征，該表征與哺乳動物大腦皮層內(nèi)嗅區(qū)的細(xì)胞類型非常相似。隨后，利用該表征為人工智能體在具有挑戰(zhàn)、不熟悉且變化多端的環(huán)境中定位目標(biāo)提供一種有效的導(dǎo)航基礎(chǔ)。網(wǎng)絡(luò)中的網(wǎng)格單元為智能體帶來了基于矢量的導(dǎo)航能力，原理如圖1所示（彩圖見封二）。網(wǎng)格單元用來計算到目的地的最短路徑，其中底部圓圈表示不同尺度下的網(wǎng)格單元，有顏色的單元表示激活的細(xì)胞。當(dāng)智能體移動時，網(wǎng)格編碼發(fā)生改變，不同網(wǎng)格單元會被激活，以反映進(jìn)入不同區(qū)域。圖中右下橙色點是出發(fā)點，左上綠色點是目的地。當(dāng)智能體探索房間時，網(wǎng)格單元被激活表示智能體位置（橙色橢圓），此時網(wǎng)格單元的活躍模式即為“當(dāng)前網(wǎng)格編碼”。當(dāng)智能體通過蜿蜒路徑第一次到達(dá)目的地時，網(wǎng)格單元會激活成綠色，表示智能體已到達(dá)目的地，目的地會存儲于目標(biāo)網(wǎng)格編碼中，于是智能體記憶了目的地位置。當(dāng)智能體再一次從起始點開始時，會從記憶中獲得目的地網(wǎng)格編碼，然后計算一個從起點到目的地最近路徑的向量，智能體會跟據(jù)該計算向量選擇一段最短路徑，并最終利用基于向量的導(dǎo)航系統(tǒng)到達(dá)目的地。

2導(dǎo)航智能需求

機(jī)器智能通常分為3類，即計算智能、感知智能與認(rèn)知智能。所謂計算智能，即機(jī)器能夠計算、統(tǒng)計、保存與存儲的能力，目前機(jī)器在計算智能方面已超過人類。例如，我國的天河二號計算機(jī)，每秒可進(jìn)行33.86千萬億次的浮點運算；感知智能是指機(jī)器聽說讀寫的能力，目前機(jī)器已在部分場合下?lián)碛辛嗽撃芰?，但與人類相比還存在差距。例如，近年來圖像識別技術(shù)已在部分領(lǐng)域如車牌識別、人臉識別方面得到應(yīng)用，但在快速變化的動態(tài)場景中，機(jī)器的感知智能仍然存在問題；認(rèn)知智能強(qiáng)調(diào)機(jī)器會思考、理解與決策，該智能與人類智能更為接近，但實現(xiàn)難度很大。該智能強(qiáng)調(diào)機(jī)器能夠綜合分析多種信息，在無人類幫助的情況下，能夠獨立分析事物內(nèi)在規(guī)律，并作出合理反應(yīng)。2018年5月8日谷歌演示了“谷歌Duplex”技術(shù)——它能夠以自然的人聲打電話預(yù)約理發(fā)服務(wù)，被預(yù)約方甚至無法分辨對面是否是機(jī)器，該技術(shù)是認(rèn)知智能在機(jī)器智能方面的一次突破。智能導(dǎo)航系統(tǒng)的3類機(jī)器智能現(xiàn)狀對比如表1所示。我國近年來在機(jī)器認(rèn)知智能方面進(jìn)行了大量研究，但與國外相比仍存在差距。

目前，智能導(dǎo)航在認(rèn)知智能方面存在明顯瓶頸，認(rèn)知智能技術(shù)一旦得到突破，將為智能導(dǎo)航帶來重大變革，導(dǎo)航系統(tǒng)對定位信息的依賴度將降低，并能夠自適應(yīng)地給出導(dǎo)航路線。谷歌AI自導(dǎo)航能力即是認(rèn)知智能的一種突破，機(jī)器智能體不但能夠理解周圍環(huán)境，還能思考環(huán)境中的最優(yōu)路線，并且通過決策選擇一條最優(yōu)路線作出行動。因此，將谷歌AI自導(dǎo)航能力應(yīng)用于智能導(dǎo)航系統(tǒng)，將有效改善導(dǎo)航系統(tǒng)中的智能情況。

3自導(dǎo)航AI應(yīng)用模式

谷歌AI自導(dǎo)航能力給機(jī)器帶來了尋路方面的認(rèn)知智能，根據(jù)谷歌自導(dǎo)航AI特點，結(jié)合目前的最新科技，本文給出了3種谷歌AI自導(dǎo)航技術(shù)在智能導(dǎo)航方面的應(yīng)用模式。

3.1移動機(jī)器人智能導(dǎo)航完善

目前，移動智能機(jī)器人導(dǎo)航主要有3種途徑，即：航位推算、無線電定位及地形匹配。航位推算是指根據(jù)初始點，通過計算機(jī)器人的運動速度、方向及時間，計算出目前位置并推算出下一步位置[9]；無線電定位是指通過地面基站或衛(wèi)星，獲得相應(yīng)的無線電定位信息，并根據(jù)無線電特性計算出移動物體位置。無線電導(dǎo)航也是生活中最常見的導(dǎo)航手段，如GPS導(dǎo)航系統(tǒng)、北斗導(dǎo)航系統(tǒng)等，近年來也發(fā)展出利用藍(lán)牙、WiFi、紅外進(jìn)行定位的手段[10]；地形匹配主要針對飛行設(shè)備，設(shè)備系統(tǒng)預(yù)先存儲有運動體所要飛越地區(qū)的三維（立體）數(shù)字地形模型，在飛行過程中通過雷達(dá)設(shè)備匹配地形高程地圖進(jìn)行導(dǎo)航[11]。除上述3種導(dǎo)航方式外，激光設(shè)備也被用來進(jìn)行定位導(dǎo)航[12]。但上述導(dǎo)航技術(shù)對預(yù)先準(zhǔn)備好的數(shù)據(jù)或數(shù)據(jù)通信過程依賴性強(qiáng)，因而在對抗性強(qiáng)的復(fù)雜陌生環(huán)境中，導(dǎo)航存在瓶頸。例如，無線電定位必須保持機(jī)器人與衛(wèi)星或基站的有效通信，地形匹配必須有事先存儲好的三維地圖，航位推算需要通過通信在一定時間對位置進(jìn)行校準(zhǔn)，激光定位必須設(shè)定參考目標(biāo)物體等。谷歌AI自導(dǎo)航能力的出現(xiàn)，將給機(jī)器人帶來在復(fù)雜對抗條件下的智能導(dǎo)航能力。機(jī)器人能夠在預(yù)先準(zhǔn)備好的數(shù)據(jù)完全失效、與導(dǎo)航基站失聯(lián)的情況下，自主尋找目的地并發(fā)現(xiàn)最優(yōu)路徑。特別是在未來作戰(zhàn)中，將該技術(shù)應(yīng)用于智能機(jī)器人，將減少智能機(jī)器人被敵人捕獲的概率，在各種導(dǎo)航條件缺失的情況下，擁有保底導(dǎo)航尋路手段。

3.2三維地圖快速生成與路徑優(yōu)化

隨著我國城市內(nèi)高樓大廈數(shù)量的增多，以及地下通道、高速橋梁建設(shè)的加快，三維地圖的重要性不斷增強(qiáng)，對三維地圖的實時性要求也越來越高[13]。傾斜攝影技術(shù)[1416]是國際攝影

測量領(lǐng)域近十幾年發(fā)展起來的一項高新技術(shù)，該技術(shù)通過從1個垂直、4個傾斜、5個不同視角同步采集影像，獲取到豐富的建筑物頂面及側(cè)視的高分辨率紋理。通過無人機(jī)攜帶專用攝像頭，對目標(biāo)地形進(jìn)行多次紋理照片采集，并將采集到的高分辨率紋理照片在專業(yè)軟件中進(jìn)行融合，從而快速生成地形三維地圖。形成的地圖類似于三維建模產(chǎn)生的真實地形環(huán)境，真實度高、生成速度快，整個過程不需專業(yè)人士進(jìn)行手動建模。然而，建成的三維地理模型通常覆蓋范圍大，地圖不但在二維方向上信息量巨大，在垂直方向上也具有多樣性，要想完全掌握地圖信息具有一定難度。因此，利用生成的三維地圖進(jìn)行最優(yōu)線路規(guī)劃時，由于地圖的復(fù)雜性，傳統(tǒng)智能算法存在一定局限性。可以利用谷歌AI的自導(dǎo)航能力，通過在三維地圖上同時放置多個智能體，并給不同智能體設(shè)置不同目的地，經(jīng)過智能體的獨立尋路，快速找到不同目的地之間的最優(yōu)路徑。特別是在地形環(huán)境變化劇烈的情況下，如自然災(zāi)害后的地形環(huán)境，可以結(jié)合上述兩種技術(shù)，迅速了解災(zāi)后真實的地形地貌，并快速獲取救災(zāi)最優(yōu)路徑。

3.3室內(nèi)復(fù)雜環(huán)境尋路模擬

目前，城市中的室內(nèi)綜合體規(guī)模越來越大，室內(nèi)環(huán)境復(fù)雜程度逐漸增高[17]。掌握室內(nèi)綜合體中人群流動規(guī)律，將對基于WiFi與藍(lán)牙的室內(nèi)導(dǎo)航系統(tǒng)研發(fā)提供重要依據(jù)，同時能夠為規(guī)劃消防疏散最優(yōu)路徑、引導(dǎo)人群向非密集區(qū)域流動、高效整合室內(nèi)綜合體中各種導(dǎo)航資源提供幫助[18]。谷歌AI自導(dǎo)航能力的出現(xiàn)，將為復(fù)雜綜合體中的人群流動研究提供新手段。利用三維建模技術(shù)對室內(nèi)綜合體進(jìn)行三維建模，并在建立好的模型中添加多個智能體，通過給智能體添加一定行動規(guī)則，結(jié)合谷歌AI的自導(dǎo)航能力，能夠在虛擬環(huán)境下逼真地模擬出人群流動行為。同時結(jié)合虛擬現(xiàn)實技術(shù)（VR），可提升用戶體驗感。虛擬現(xiàn)實技術(shù)是一種可以創(chuàng)建與體驗虛擬世界的計算機(jī)仿真系統(tǒng)，能夠使用戶沉浸式地體驗虛擬場景三維動態(tài)視景與實體行為[1920]。將智能體建模成逼真的三維人物模型，導(dǎo)航系統(tǒng)開發(fā)者通過使用虛擬現(xiàn)實頭盔等設(shè)備，以第一人稱視角真實觀看人群流動情況，能夠一定程度上降低對實際情況的理解誤差。

4結(jié)語

本文介紹了谷歌DeepMind開發(fā)自導(dǎo)航AI的基本情況，分析了智能導(dǎo)航的幾種智能需求，對自導(dǎo)航能力在智能導(dǎo)航中的應(yīng)用進(jìn)行分析，并給出了3種應(yīng)用模式。3種模式融合了最新AI技術(shù)與前沿科技，為導(dǎo)航技術(shù)認(rèn)知智能的發(fā)展提出了新思路。這些模式的實現(xiàn)將提升復(fù)雜條件下智能系統(tǒng)的導(dǎo)航能力，并為智能機(jī)器人在軍事、醫(yī)學(xué)、物流等領(lǐng)域的應(yīng)用提供良好前景。

參考文獻(xiàn)參考文獻(xiàn)：

[1]ANDREA B， CASWELL B， BENIGNO U， et al. Vectorbased navigation using gridlike representations in artificial agents[J]. Nature，2018， 557：429433.

[2]樊培毅，陳陽，程森森，等.基于WiFi室內(nèi)定位的地下停車場智能導(dǎo)航系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2016，6（4）：3134.

[3]詹鐳，賀人慶，謝陽，等.基于微型四旋翼無人機(jī)的智能導(dǎo)航系統(tǒng)[J].電子測量技術(shù)，2011，34（6）：13，29.

[4]李泉溪，鞏慶民.移動機(jī)器人智能導(dǎo)航系統(tǒng)的研究與設(shè)計[J].河南理工大學(xué)學(xué)報：自然科學(xué)版，2008（1）：9396.

[5]李涵，崇日思托.基于Android平臺的信息交互軟件設(shè)計[J].軟件導(dǎo)刊，2018，17（5）：4345.

[6]孫緯民，杜慶治.基于WiFi與藍(lán)牙的室內(nèi)定位技術(shù)探究[J].軟件導(dǎo)刊，2018，17（3）：169171.

[7]漏鳴杰，秦會斌.基于多傳感器與WiFi融合的室內(nèi)定位方法[J].軟件導(dǎo)刊，2017，16（9）：138141.

[8]胡曉峰.軍事指揮信息系統(tǒng)中的機(jī)器智能：現(xiàn)狀與趨勢[J].人民論壇·學(xué)術(shù)前沿，2016（15）：2234.

[9]李金鳳，王慶輝，劉曉梅，等.基于MEMS慣性傳感器的行人航位推算系統(tǒng)[J].傳感器與微系統(tǒng)，2014，33（12）：8587，90.

[10]崔平遠(yuǎn)，馮軍華，朱圣英，等.基于三維地形匹配的月球軟著陸導(dǎo)航方法研究[J].宇航學(xué)報，2011，32（3）：470476.