異構(gòu)無線網(wǎng)絡(luò)定位教育機器人*

羅文興，文有美

（1.華中師范大學國家數(shù)字化學習工程技術(shù)研究中心，湖北 武漢 430079；2.黔南民族師范學院，貴州 都勻 558000）

0 引 言

在無線網(wǎng)絡(luò)環(huán)境和人工智能迅速發(fā)展的背景下，利用無線網(wǎng)絡(luò)對教育機器人進行定位服務(wù)變?yōu)楝F(xiàn)實。縱觀幾屆烏鎮(zhèn)全球物聯(lián)網(wǎng)盛會[1-4]，中國在無線網(wǎng)絡(luò)覆蓋和人工智能領(lǐng)域研發(fā)已經(jīng)取得了長足進步，尤其人工智能最具代表的機器人開始服務(wù)于生產(chǎn)、生活及教育等領(lǐng)域。2017年10月21日，在濟南召開的CAC2017中國自動化學會暨國際智能制造創(chuàng)新大會[5]上，王飛躍院士、鄭南寧院士作重要報告，指出了人工智能在中國未來發(fā)展的潛力和未來，機器人進入工業(yè)、農(nóng)業(yè)、國防、航天航海及服務(wù)行業(yè)等領(lǐng)域已經(jīng)不再是夢想。在2017中國·光谷國際人工智能產(chǎn)業(yè)峰會（IAIS 2017）[6]上，蔡自興院士作了關(guān)于人工智能的精彩報告。2017年7月20日，國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》將人工智能發(fā)展定位為戰(zhàn)略目標[7]，并規(guī)劃了三步走戰(zhàn)略。可見，中國在人工智能發(fā)展產(chǎn)業(yè)上已經(jīng)上升到國家層面。

《2016全球教育機器人發(fā)展白皮書》[8]對國外教育機器人研究進行了報道，開發(fā)了iCub、Robovie等具備教育功能的機器人。國內(nèi)也有很多高校、科研院所和企業(yè)進行機器人的研究，涉及教育領(lǐng)域比較成功的機器人，是在2017年高考期間參與高考的高考機器人（AI-MATHS，學霸君）。要讓機器人更好地服務(wù)人類，尤其是室內(nèi)環(huán)境下的教育機器人，需要對其自主地進行導(dǎo)航和定位。其中，利用室內(nèi)環(huán)境中的無線信號進行定位，是目前行之有效的一種途徑。下面利用無線指紋異構(gòu)網(wǎng)絡(luò)對教育機器人進行混合定位展開討論。

1 無線指紋異構(gòu)網(wǎng)絡(luò)混合定位

定位的目的是讓機器人能夠在特定的位置提供一定功能的服務(wù)，實現(xiàn)人機智能化互動。這需要對機器人的定位和算法進行應(yīng)用性研究。為了能夠?qū)逃龣C器人提供有效定位，在成本和現(xiàn)有條件允許的情況下，利用室內(nèi)WiFi和射頻識別技術(shù)相結(jié)合的方式，對教育機器人進行混合定位。

1.1 WiFi和RFID指紋定位原理

指紋定位（或場景分析）是一種模式識別技術(shù)，將在線信號特征與存儲在指紋數(shù)據(jù)庫中的離線特征相匹配[9]。室內(nèi)環(huán)境中，定位教育機器人一種流行的方法是基于參考信號指紋[10]。基于指紋特征的方法可以是信號的幅度特征、頻譜特征和RSS特征等。基于RSS的測距技術(shù)目前非常流行，大多數(shù)傳感器網(wǎng)絡(luò)都內(nèi)置射頻芯片，不需要額外的硬件開銷[11]。本研究采用基于RSS特征進行指紋地圖構(gòu)建數(shù)據(jù)庫。指紋定位包括離線階段和在線階段兩個階段[12]。離線階段是在需要定位的目標區(qū)域進行空間網(wǎng)格（指紋）化，根據(jù)定位精度需求構(gòu)建一定尺寸的指紋，之后在各個指紋點采集RSS無線信號，通過對每個指紋點采集一定的數(shù)據(jù)量，選擇合適的處理方式，從而建立RSS離線數(shù)據(jù)庫。在線階段是讓機器人在已經(jīng)構(gòu)建指紋的區(qū)域進行運動，實時采集RSS數(shù)據(jù)，并把實時數(shù)據(jù)發(fā)送到近端服務(wù)器，通過實時采集的RSS數(shù)據(jù)與離線階段RSS數(shù)據(jù)庫進行模式匹配，然后通過最大相似度獲取機器人的大概位置[13]。

1.2 基于WiFi/RFID的RSS指紋定位算法

基于WiFi/RFID的RSS指紋定位算法分為兩個階段，包括離線階段和在線階段[14]。

離線階段利用機器人采集大量WiFi/RFID的RSS信號并建立數(shù)據(jù)庫構(gòu)建數(shù)據(jù)庫地圖，原理如圖1所示。

圖1 基于教育機器人離線階段WiFi指紋定位技術(shù)的原理

離線階段包括以下步驟。

步驟1：將信標節(jié)點（地面標簽）按定位需求分配到跟蹤區(qū)域；

步驟2：把跟蹤區(qū)域分成許多小網(wǎng)格（指紋），并以網(wǎng)格點（指紋點）作為跟蹤區(qū)域的參考點；

步驟3：將所獲取大量WiFi/RFID的RSS經(jīng)過一定算法處理后，存儲到相應(yīng)的坐標數(shù)據(jù)庫中。

在線階段，機器人把實時采集到的RSS信號發(fā)送到服務(wù)器。根據(jù)不同的信號點所獲取的RSS值，服務(wù)器通過在線搜索等算法估計教育機器人的位置。原理如圖2所示。

在線階段包括以下步驟。

步驟1：教育機器人進入跟蹤區(qū)域，然后從每個信標節(jié)點實時獲取RSS值；

步驟2：將實時采樣到的RSS值與數(shù)據(jù)庫中的存儲的RSS值進行匹配；

步驟3：檢索數(shù)據(jù)庫中RSS值匹配的最近位置。

圖2 基于教育機器人在線階段WiFi指紋定位技術(shù)的原理

2 指紋數(shù)據(jù)庫準備

2.1 基礎(chǔ)設(shè)施和實驗設(shè)置

為了使教育機器人有一個真實的教學環(huán)境，在5 m×9 m的教室分別構(gòu)建WiFi信號覆蓋和RFID區(qū)域覆蓋的實驗環(huán)境。

2.1.1 APs布局

在教室布局3個無線路由器（APs），分別命名為AP1、AP2和AP3。講臺顯示屏上面布局2個APs，AP1位于講臺后面，正對左廊道；AP2位于右前方墻面上，正對右廊道；AP1和AP2間距為4 m；AP3位于教室后面，距離顯示屏9 m。3個Aps室內(nèi)布局為正三角形結(jié)構(gòu)。

2.1.2 Tags布局

本實驗?zāi)M投影區(qū)域的是一塊50 cm×50 cm的正方形板子。在該板子上，布局11個Tags。布局后的板子放在右顯示屏下面，處在AP2正下方。

2.1.3 地面標簽布局

地面標簽分別布局在WiFi定位和RFID定位兩個區(qū)域。WiFi覆蓋區(qū)域布局，在三個廊道和顯示屏前面都布局有距離稀疏的地面標簽，標簽間距為1 m，3個廊道以外的桌椅區(qū)域沒有布局。在投影區(qū)域前20 cm區(qū)域布局2 m×2 m的密集型標簽，標簽間距為10 cm。交互環(huán)境布局如圖3所示。WiFi和RFID的RSS數(shù)據(jù)庫建立過程如圖4所示。

2.1.4 軟件硬件介紹

RSS指紋數(shù)據(jù)采集過程中，硬件和軟件是定位實驗不可缺少的一部分。只有具備這些基礎(chǔ)，才能建立WiFi和RFID定位系統(tǒng)RSS數(shù)據(jù)庫。

WiFi信號強度數(shù)據(jù)采集軟件是inSSIDer，APs是360迷你路由器，RFID系統(tǒng)硬件包括VM-5GA RFID模塊和11個無源電子標簽。RSS信號采集軟件是UHF RFID閱讀器應(yīng)用程序v2.1，PC是聯(lián)想Thinkpadx220。實驗用的教育機器人是本小組開發(fā)的平臺，部分設(shè)備圖如圖5所示。

圖3 交互環(huán)境布局

圖4 WiFi和RFID的RSS數(shù)據(jù)庫建立過程

（a）VM-5GA RFID模塊

圖5 部分實驗設(shè)備

2.2 實驗數(shù)據(jù)采集

2.2.1 WiFi的RSS無線指紋數(shù)據(jù)采集

WiFi的RSS數(shù)據(jù)庫建立是根據(jù)機器人活動場景進行設(shè)計的。首先，用人工方式把近端服務(wù)器（筆記本電腦）放在教育機器人平臺上，然后使機器人在室內(nèi)布局好的間隔0.5 m的地面標簽沿著廊道進行運動，并在每個標簽點停頓下來，利用軟件分別采集3個APs的信號。每個AP信號源采集10個RSS數(shù)據(jù)，并分別歸檔記錄。RSS采集如圖6所示。

圖6 WiFi的RSS指紋庫采集

2.2.2 RFID的RSS無線指紋數(shù)據(jù)采集

RSS數(shù)據(jù)采集是在指紋間距為10 cm的2 m×2 m正方形區(qū)域進行。電子標簽布局在正前方的20 cm處，如圖7所示。

圖7 RSS信號采集環(huán)境

采集數(shù)據(jù)前期先構(gòu)建好坐標系，從右墻面方向開始，從右向左軸線采集，到最左邊后從第二軸線向右開始采集。如此蛇形采集數(shù)據(jù)，每個數(shù)據(jù)采樣點采集10次，每次記錄11個標簽數(shù)據(jù)，每次在相應(yīng)坐標點記錄的RSS數(shù)據(jù)量達到110個，并分別以中心位置的Tag建立數(shù)據(jù)庫。正四邊形的4個Tags建立數(shù)據(jù)庫，正六邊形的6個Tags建立數(shù)據(jù)庫，最后對共11個Tags建立數(shù)據(jù)庫。

2.3 RSS無線指紋數(shù)據(jù)庫的建立

數(shù)據(jù)源由多個傳感器產(chǎn)生，如對AP1、AP2、AP3三個信號源，在每個采樣點采集10次數(shù)據(jù)后，通過剔除異常值（壞點）后，需要對每個傳感器數(shù)據(jù)分別進行均值處理，得到相對準確的合理數(shù)據(jù)。在Tags采集區(qū)域，也需要采用同樣的處理方式獲取每個采樣點各個Tag的均值，并建立相應(yīng)的無線指紋數(shù)據(jù)庫，數(shù)學函數(shù)為：

式中，為第i采樣點的APs（AP1/AP2/AP3）無線信號均值，ir為第i采樣點無線信號的瞬時值，1jN≤≤，j為采樣次數(shù)，最大為N，為10次。

RFID無線指紋RSS數(shù)據(jù)庫，相對要復(fù)雜得多。在RFID的RSS采樣區(qū)域，每個采樣點采集11個標簽，每個標簽采集10個RSS數(shù)據(jù)，意味著每個采樣點總采集110個RSS信號，同樣剔除掉異常值，根據(jù)數(shù)據(jù)處理需要建立均值函數(shù)：

式中，表示在二維坐標中各個采樣點的接收信號強度均值，M表示i時刻采集到的標簽數(shù)目，iT表示在i時刻進行采樣，N表示第j個電子標簽被采樣的次數(shù)，表示采集到第個電子標簽時接收信號的強度。

通過對教育機器人移動區(qū)域進行RSS指紋數(shù)據(jù)處理，建立了RSS指紋數(shù)據(jù)庫地圖，并保存在近端服務(wù)器，為教育機器人運動時實時采集到的RSS數(shù)據(jù)提供匹配需要。

3 交互區(qū)域?qū)Ш蕉ㄎ凰惴ㄔO(shè)計

3.1 算法設(shè)計

當教育機器人進入到需要投影推送區(qū)域時，設(shè)定教育機器人有3個方向可以進入到2 m×2 m投影區(qū)域。設(shè)定機器人分別從地面標簽左側(cè)面進入、中間底部進入和右側(cè)面進入。根據(jù)這3種不同的進入狀況，算法設(shè)計分別如圖8、圖9和圖10所示。

圖8 從下中部任意一點ai, j進入

圖9 從左側(cè)面任意一點ai, j進入（左）

圖10 從右側(cè)面任意一點ai, j進入（右）

機器人從不同方向進入到投影區(qū)后的導(dǎo)航?jīng)Q策分析如下。

3.1.1 從下中部任意一點ai,j進入RFID地面標簽區(qū)域

教育機器人出發(fā)點設(shè)定為ai,j，根據(jù)RSS能量導(dǎo)航?jīng)Q策，機器人實時采集RFID覆蓋區(qū)域的RSS數(shù)據(jù)并與數(shù)據(jù)庫中的RSS進行比較，初步設(shè)定機器人當前所處位置的ai,j。在數(shù)據(jù)庫前方90°角方向上，機器人下一步走的方向可能會在左45°角臨近點正前方臨近點和右前方45°角臨近點三個方向的一個。機器人可能走的方向為這三點中的任意一點，這里根據(jù)數(shù)據(jù)庫檢索方式獲取RSS能量最強的點作為導(dǎo)航驅(qū)動，使機器人根據(jù)最強的RSS作為下一步運動決策的方向。

通過對數(shù)據(jù)庫地圖中這三個RSS值進行比較，選取能量最強的RSS作為機器人下一步運動的方向，并執(zhí)行運動決策，引導(dǎo)機器人向下一個目標點運動。

3.1.2 教育機器人從左側(cè)任何一點ai,j進入RFID地面標簽區(qū)域

同樣，在任一點ai,j處進行路由決策，根據(jù)RSS能量增強為導(dǎo)航?jīng)Q策，通過RSS數(shù)據(jù)庫地圖中的RSS能量強度進行比較，選取最強的點作為機器人下一步的運動方向。

3.1.3 教育機器人從右側(cè)任何一點ai,j進入RFID地面標簽區(qū)域。

同樣，在任一點ai,j處進行路由決策，根據(jù)RSS能量增強為導(dǎo)航?jīng)Q策，通過RSS數(shù)據(jù)庫地圖中的RSS能量強度進行比較，選取最強的作為機器人下一步的運動方向。

3.2 算法偽代碼實現(xiàn)效果

為了驗證算法設(shè)計思路，對基于RSS信號強度導(dǎo)航定位進行演示，從下中部、左側(cè)、右側(cè)各任意取一個點作為機器人進入點。圖11為仿真的教育機器人的運動軌跡。

圖11 機器人進入投影區(qū)域的運動軌跡

教育機器人從投影位置（Tags）前地面標簽區(qū)域任意一點進入，根據(jù)RSS數(shù)據(jù)庫地圖的能量分布情況，同時依據(jù)算法設(shè)計思想進行仿真。機器人在能量增強為導(dǎo)航驅(qū)動下，總能到達預(yù)設(shè)的投影交互點，即投影交互位置，實現(xiàn)理想定位，驗證了算法設(shè)想的正確性。利用異構(gòu)網(wǎng)絡(luò)下的混合定位技術(shù)，采用開發(fā)的教育機器人進行基于定位交互的實驗，提出了基于教育機器人在教育中的一些人機交互應(yīng)用，包括大學教學成果展廳基于二維碼定位的講解、教室環(huán)境下投影的推送、語音交流和教育云平臺應(yīng)用等。

4 結(jié) 語

教育機器人將來會是教育環(huán)節(jié)中一個重要的參與者，與老師、學生構(gòu)成了一個教學生態(tài)圈，使三者實現(xiàn)良好的交互共融，是開發(fā)者的初衷。根據(jù)教育機器人服務(wù)場所的特殊性，本研究在教室環(huán)境中構(gòu)建了無線異構(gòu)網(wǎng)絡(luò)。通過對WiFi和RFID電子標簽進行合理布局，提出了基于RSS能量增強的深度優(yōu)先算法，根據(jù)RSS能量改變情況進行路由決策。實驗中，對APs進行等邊三角布局，同時對電子Tags布局進行優(yōu)化處理，并通過無線指紋技術(shù)對實驗區(qū)域進行空間網(wǎng)格化，建立起離線RSS數(shù)據(jù)庫，通過實時RSS數(shù)據(jù)采集并進行匹配，在大環(huán)境下實現(xiàn)了利用WiFi信號為教育機器人進行精度2 m以內(nèi)的定位[15]。同時，在小環(huán)境場景下，利用RFID系統(tǒng)，通過優(yōu)化布局Tags，對投影區(qū)域進行導(dǎo)航定位，實現(xiàn)了室內(nèi)環(huán)境下教育機器人導(dǎo)航和定位的預(yù)期目標。

基于無線環(huán)境下的室內(nèi)定位技術(shù)還有待提升，同時開發(fā)的教育機器人還處在初級階段，有很多不盡人意的地方，尤其是在各種系統(tǒng)兼容和軟件的匹配上還有很大的研究空間，算法上還有很大的改進必要，這將是下一步的研究內(nèi)容。

[1] 張冰.烏鎮(zhèn)要用超5A級服務(wù)迎接互聯(lián)網(wǎng)盛事 WiFi今年更給力[EB/OL].(2015-10-09)[2018-01-12].http://www.wicnews.cn/system/2015/10/09/02086540,7.shtml.ZHANG Bing.Wuzhen Wants to Use the Super 5A Class Service to Meet the Internet Event WiFi This Year to Force[EB/OL].(2015-10-09)[2018-01-12].http://www.wicnews.cn/system/2015/10/09/02086540,7.shtml.

[2] 張冰.鄔賀銓:中國網(wǎng)絡(luò)強國之路還很長[EB/OL].(2015-12-17)[2018-01-12].http://2015.wicwuzhen.cn.ZHANG Bing.QI He-yu:The Path of China's Network Power is Still Long[EB/OL].(2015-12-17)[2018-01-12].http://2015.wicwuzhen.cn.

[3] 吳振宇,杰瑞·卡普蘭.人工智能帶來結(jié)構(gòu)性失業(yè)但不會取代人類[EB/OL].(2016-11-17)[2018-01-12].http://2016.wicwuzhen.cn/system/2016/11/17/021371720.shtml.WU Zhen-yu,Jerry Kaplan.Artificial Intelligence Brings Structural Unemployment but does not Replace Humans[EB/OL].(2016-11-17)[2018-01-12].http://2016.wicwuzhen.cn/system/2016/11/17/021371720.shtml.

[4] 北青網(wǎng).重磅！互聯(lián)網(wǎng)大會18項世界領(lǐng)先科技成果發(fā)布[EB/OL].(2017-12-03)[2018-01-12].http://news.ynet.com/2017/12/03/725005t70.html.YNET com.Heavy.Internet Conference 18 Worldleading Scientific and Technological Achievements Released[EB/OL].(2017-12-03)[2018-01-12].http://news.ynet.com/2017/12/03/725005t70.html.

[5] 中國自動化學會.CAC2017中國自動化學會暨國際智能制造創(chuàng)新大會[EB/OL].(2017-11-24)[2018-01-12].http://www.caa.org.cn/index.php?me_id=188&ac_id=2662.China Association of Automation.China Association of Automation and International Conference on Intelligent Manufacturing Innovation[EB/OL].(2017-11-24)[2018-01-12].http://www.caa.org.cn/index.php?me_id=188&ac_id=2662.

[6] 黃康.2017中國·光谷國際人工智能產(chǎn)業(yè)峰會18日開幕[EB/OL].(2017-11-10)[2018-01-12].http://www.cnhubei.com/xwzt/2016/hbsglj/hbsglj/201711/t4023976.shtml.HUANG Kang.2017 China·Optics Valley International Artificial Intelligence Industry Summit Opens on the 18th[EB/OL].(2017-11-10)[2018-01-12].http://www.cnhubei.com/xwzt/2016/hbsglj/hbsglj/201711/t4023976.shtml.

[7] 國務(wù)院.國發(fā)〔2017〕35號,國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL].(2017-07-08)[2018-01-12].http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.State Council.State Issued [2017]No.35.The Publication of the State Council Notifications of the New Generation of Artificial Intelligence Development Planning[EB/OL].(2017-07-08)[2018-01-12].http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[8] 劉德建,黃榮懷,陳年興等.全球教育機器人發(fā)展白皮書[M].北京:北京師范大學智慧學習研究院,2016.LIU De-jian,HUANG Rong-huai,CHEN Nian-xing,et al.The White Paper on the Development of Global Educational Robot[M].Beijing:Institute of Intelligent Learning,Beijing Normal University,2016.

[9] Liu Q,Chen S J,Wang H Q,et al.Carrier-Class Oriented High Precision Indoor Location Standards,Systems and Technology[M].Beijing:Electronic Industry Press,2017:43-44.

[10] Li D,Zhang B X,Li C.A Feature-Scaling-Based k-Nearest Neighbor Algorithm for Indoor Positioning Systems[J].IEEE Internet of Things Journal,2016,3(04):590-597.

[11] Zhang Z,Li Z B,Hu S W,et al.Mobile Robot Navigation Method in Hybrid Sensor Networks[J].ROBOT,2014,36(03):316-321.

[12] Lu F,Tian G H,Liu G L,et al.Design of Composite Global Positioning System for Service Robot Based on WiFi Fingerprint Localization and Particle Filter Under Intelligent Space[J].ROBOT,2016,38(02):178-184.

[13] Chen L.N.Indoor Location Technique of Position Fingerprint Based on WLAN[M].Beijing:Science Press,2015:30-36.

[14] Zhuang Y,Syed Z,Li Y,et al.Evaluation of Two WiFi Positioning Systems Based on Autonomous Crowdsourcing of Handheld Devices for Indoor Navigation[J].IEEE Transactions on Mobile Computer,2016,15(08):1982-1995.

[15] Luo W X.Research on Positioning of Educational Robot Based on WiFi Fingerprint Technology[C].SMCE2017,DEStech Publications.Inc,2017:460-465.