3.2 智能尋線導航

　　所謂路徑規(guī)劃是指移動機器人按照某一性能指標（如距離、時間、能量等）搜索一條從起始狀態(tài)到目標狀態(tài)的最優(yōu)或次優(yōu)路徑。路徑規(guī)劃主要涉及的問題包括：

　　利用獲得的移動機器人環(huán)境信息建立較為合理的模型，再用某種算法尋找一條從起始狀態(tài)到目標狀態(tài)的最優(yōu)或近似最優(yōu)的無碰撞路徑；能夠處理環(huán)境模型中的不確定因素和路徑跟蹤中出現的誤差，使外界物體對機器人的影響降到最小；如何利用已知的所有信息來引導機器人的動作，從而得到相對更優(yōu)的行為決策。

　　路徑規(guī)劃是移動機器人研究中的一個基本且重要的問題。路徑規(guī)劃的第一步是確定地圖的表示方法，其目的是將機器人和障礙物所在的物理空間的顯著特征描述出來，使之更適合于規(guī)劃。本文中將地圖置于信息庫中，智能決策Agent 根據臨時庫中的各個目的地在電子地圖中的位置，確定物體或自身的位姿（位置和姿態(tài)），制訂出他們的優(yōu)先次序。

　　由于機器人工作的環(huán)境是動態(tài)變化的，環(huán)境中的障礙物不全是已知的、靜止的。這就要求機器人要不斷地對周圍環(huán)境進行探測，并對探測到的障礙物進行實時處理，即要求機器人具備局部規(guī)劃的能力。機器人在運行過程中，通常會發(fā)生如下幾種類型的沖突：

　　碰撞、擁塞以及死鎖。

　　碰撞：一個運動物體在另一個運動物體運行路線上的相同位置同時出現。擁塞：其它運動物體妨礙當前運動物體按要求到達目標。死鎖：運動物體無法進行各自的下一步動作。這些沖突的產生主要是由于機器人對環(huán)境信息缺乏詳細了解造成的。因此，當環(huán)境動態(tài)變化時，往往采用依賴傳感器的局部路徑規(guī)劃方法進行沖突消解。

　　由于本文中設計的機器人個數比較少，就將環(huán)境中其他機器人視為環(huán)境中的障礙物，而且環(huán)境比較簡單，因而采用無通訊的避碰力一法的機器人，不需要與其他機器人的通訊，完全依靠機器人的傳感器獲取其他機器人的運動信息。

　　本文采用改進BUG 算法計算兩點間的最短路徑，即計算出離當前點路徑最短的目標點，具體算法如下：

　　根據電子地圖，智能策略Agent 初步給出各個目的點的優(yōu)先次序及其行走路線，但是實際行走中還可以會遇到其他不可預知的障礙，這里改進BUG 算法考慮到了這些因素，具體算法如下：

　　S=起始點，T=終點

　　設M 為空矩陣，i=1; V（1）為空集

　　MAP_R 為與矩陣M 對應的二維位圖，Pi 為機器人在地圖中的即時位置

　　While（T <> Pi） //當T==Pi 表示機器人到達終點

　　{ V（i<--由EPC 方式采集的數據） // EPC 為端點采集法

　　M<--M∪V（i）

　　位圖MAP_R 隨之不斷更新

　　IF（線段Pi T 和障礙物邊界相交） THEN

　　由COD 計算出方向 // COD 為最近方向判決

　　ELSE

　　機器人沿方向移動到點Pi+1

　　i++;}

　　3.3 動作選擇

　　根據內部狀態(tài)的變化，動作Agent 指導機器人該采取什么樣的動作，具體流程如下：

　　IF（傳感器感知到有書到來）THEN 觸發(fā)機械手拿書

　　ELSE

　　IF（圖書歸類完成） THEN

　　{ 觸發(fā)機器手將書放置在推車格子中，并將臨時庫中的已滿格子數加1;

　　IF（已滿格子數==總格子數） THEN 機器人不再接收其他圖書，觸發(fā)機器人根據智能策略Agent

　　提供的路線推動推車向各個目的地前進。}

　　FOR（i=1;i<=臨時庫中的總目的地數；i++）

　　{ IF（到達臨時庫中記錄的第i 個目的地）THEN

　　{ 機器人停止行走，觸發(fā)機械手將對應圖書擺在相關的柜子上

　　擺書動作完成，停止機械手動作，觸發(fā)機器人推車向著新目的地前行 }

　　ELSE 繼續(xù)根據路徑前行 }

　　3.4 多Agent 之間的通信

　　當環(huán)境變化的時候，環(huán)境感知Agent 會自動檢測到環(huán)境狀態(tài)，比如有新書到時，環(huán)境感知Agent 獲取圖書信息，并向圖書識別Agent 提出合作請求，且將圖書信息傳遞給它，環(huán)境感知Agent 繼續(xù)檢測環(huán)境變化。Agent 之間的合作提高了工作效率和準確度，且保證了庫中信息的有效共享，避免資源浪費。

　　Agent 之間的交互與合作是多Agent 系統(tǒng)中核心問題之一，而Agent 通信語言是實現交互與合作的基礎。根據目前Agent 的應用環(huán)境， KQML 是主流的通信語言之一。因KQML 既是一種通信語言，又是一種通信協議和標準，故每個Agent 只要遵守該協議，即可受到它所提供的通信支持，若要遵守協議，每個Agent 必須添加一個KQML 語言解釋器。

　　概念上，可以把一條KQML 消息分為三層：內容層、通信層和消息層。內容層由關鍵詞：content 標志；：reply-with， ： sender， and ： receiver 關鍵詞標志了通信層； ：performative 與：language， ： ontology 形成消息層。全部技術通信參數都在通信層規(guī)定，消息層規(guī)定與消息有關的言語行為的類型，內容層規(guī)定消息內容。以環(huán)境感知Agent 與圖書識別Agent 之間的溝通為例說明KQML通信語言的方法。

　　（tell

　　： sender 環(huán)境感知Agent

　　： receiver 圖書識別Agent

　　： reply-with information storehouse

　　： content （new book‘s information）

　　： language java

　　： ontology bar code of book）

　　4 結語

　　本文中我們在圖書館管理系統(tǒng)中引入人工智能的概念，并給出了基于多Agent 的機器人系統(tǒng)在圖書歸類中的模型。智能機器人能自動識別圖書條形碼，且結合中國圖書館圖書分類法給出歸類算法。根據此算法可計算出圖書的具體位置，將所有推車中同類書籍進行關聯，機器人就可以一次性擺放所有同類書籍，而不需要多次折回，實現對圖書的歸類。改進BUG 算法給出了路徑規(guī)劃方案，指導機器人沿著路徑正確、快捷地找到各個目的地。通過機器人和多Agent 技術的結合，極大地提高了圖書管理的效率，減輕了工作人員繁重的整理工作，對將人工智能技術引入日常生活中產生深遠的現實意義。