专家系统及其在机器人设计中的应用(6)

人工智能领域大家始终都在不断研究的关键方向：专家系统和机器人

布局，每种布局与一定的抓取任务相适应。多指手的抓取规划的目的就是为具体的抓取任务选择适当的抓取模式。这些给我们使用专家系统解决此问题提供了一种思路。下面将多手抓取模式的问题分解成几个模块来谈谈用专家系统实现这一系统的可行性。

物体的描述。机器人抓取物体时总是要根据物体的形状和尺寸来选择初始抓取布局，而形状是选择抓取模式时的重要参数。在定义物体时可采用面模型来描述，机器人进行手眼协调时可将物体定义一种广义的几何形状，以适应抓取推理模式。

任务的描述。抓取任务通常包括3方面内容：动作（如拧、插等），对象（如板手、锤子等）和前后关系。不同的任务具有不同的任务属性。任务属性指的是稳定性、可操作性、灵巧性、精度、扭矩可施加性和可转动性。任务属性由专家系统中的推理机导出。

抓取模式。当前，比较一致的看法是抓取可以定义为下面的8种模式：动力抓取、圈柱、夹握、钩握、跨握、侧捏、捏、精密捏。每种抓取模式对应一组任务属性。近年来，又有专家针对其研究的机器人系统，定义了3种抓取模式：包裹、握、捏。这3种模式又称为抓取时手的预抓取形状，预抓取形状的参数是虚拟手指数。

产生有效抓取的推理过程。将任务描述映射成任务属性需要一个基于动作和对象知识的推理过程。动作首先转换成类动作，接着用类动作选择有关的任务属性或动作焦点。一方面，一些动作，如插入、放置直接映射成与对象无关的动作焦点；另一方面，有些动作，如转动、移动或拉等动作必须依据数据库中物体的信息作进一步的细化。专家系统中推理机的进一步推理将激发一些启发信息。这些启发信息将为给定的任务选择一种合适的抓取。启发信息之间一旦发生冲突， 将由元启发信息根据任务属性对已触发的启发式信息进行排序。

总之，通过专家系统中的基于规则的推理机，推导出任务属性，然后综合考虑一些准则和启发信息产生合适的抓取模式，最后，就可将抓取模式变换成控制变量了。

2.4 机器人与专家系统的结合

专家系统和机器人同为人工智能的两个重要领域，彼此之间关系紧密，专家