第13卷第1期 智能系统学报 Vol.13 No.I 2018年2月 CAAI Transactions on Intelligent Systems Feb.2018 D0:10.11992/tis.201707003 网络出版地址：http:/kns.cnki.net/kcms/detail/23.1538.TP.20180122.0934.002.html 鼠类脑细胞导航机理的移动机器人仿生 SLAM综述 陈孟元2 (1.安徽工程大学安徽省电气传动与控制重点实验室，安徽芜湖241000：2.中国科学技术大学精密机械与精密仪 器系，安徽合肥230027) 摘要：针对同步定位与地图构建(SLAM)问题中传统概率算法存在计算量大、复杂度高、易陷于局部最优解等问 题，本文提出一种未来深入研究的方法建议，将鼠类脑细胞中边界细胞(border cells)、局部场景细胞(view cells)、网 格细胞(grid cells))、速度细胞(speed cells))、位姿细胞(pose cells)等具有定位导航功能的细胞应用于SLAM研究中， 构建一种基于多细胞导航机制的BVGSP-SLAM模型。结合具有实时关键帧匹配的闭环检测算法以避免光线变化 对SLAM的影响，融入速度细胞和边界细胞以避免移动障碍物对SLAM的影响.利用鼠类混合细胞衍生出的数学模 型分析该系统的鲁棒性和实时性。将生物细胞模型引入SLAM,并形成了建模、仿真与实验验证一体化的研究体系， 为移动机器人SLAM研究领域多样化提供重要的理论参考。 关键词：移动机器人；同步定位和地图构建；鼠类；脑细胞：闭环检测：关键帧匹配 中图分类号：TP242.6,TP751文献标志码：A文章编号：1673-4785(2018)01-0107-11 中文引用格式：陈孟元.鼠类脑细胞导航机理的移动机器人仿生SLAM综述.智能系统学报，2018,13(1)：107-117. 英文引用格式：CHEN Mengyuan..Overview of mobile robot bionic slam based on navigation mechanism of mouse brain cellsJ. CAAI transactions on intelligent systems,2018,13(1):107-117. Overview of mobile robot bionic slam based on navigation mechanism of mouse brain cells CHEN Mengyuan"2 (1.Anhui Key Laboratory of Electric Drive and Control,Anhui Polytechnic University,Wuhu 241000,China;2.Dept Precis Ma- chinery and Precis Instrumentat,University of Science and Technology of China,Hefei 230027,China) Abstract:Aiming at the probabilistic algorithms that have shortcomings such as large computation,high complexity, and failure to find the global optimum,a variety of cells,including border cells,view cells,grid cells and speed cells,are applied to simultaneous localization and mapping(SLAM)in order to construct a BVGSP-SLAM model with multi- celled navigation.A loop closure detection algorithm with keyframe matching is added to SLAM to avoid lighting that changes based on the direction and angle of the light.Speed cells and border cells are added to SLAM to avoid the influ- ence of mobile obstructions.A mathematical model of mixed cells that analyzes robustness and real-time performance of the system is proposed.This project will develop an integrated approach for modeling,simulation and experimental veri- fication,which provide an important theoretical reference on SLAM. Keywords:mobile robot;simultaneous localization and mapping;rodents;brain cells;closed loop detection;keyframe matching 从简单重复的劳动中解放出来一直是人类追求 收稿日期：2017-07-03.网络出版日期：2018-01-22 的梦想，也是人类创造发明机器人的主要目的之 基金项目：安徽高校自然科学研究项目(KJ2016A794) 通信作者：陈孟元.E-mail:mychen@ahpu.edu.cn. 一。机器人可移动性可以进一步扩大其使用范围并
DOI: 10.11992/tis.201707003 网络出版地址: http://kns.cnki.net/kcms/detail/23.1538.TP.20180122.0934.002.html 鼠类脑细胞导航机理的移动机器人仿生 SLAM 综述 陈孟元1,2 （1. 安徽工程大学 安徽省电气传动与控制重点实验室，安徽 芜湖 241000; 2. 中国科学技术大学 精密机械与精密仪 器系，安徽 合肥 230027） 摘 要：针对同步定位与地图构建 (SLAM) 问题中传统概率算法存在计算量大、复杂度高、易陷于局部最优解等问 题，本文提出一种未来深入研究的方法建议，将鼠类脑细胞中边界细胞 (border cells)、局部场景细胞 (view cells)、网 格细胞 (grid cells)、速度细胞 (speed cells)、位姿细胞 (pose cells) 等具有定位导航功能的细胞应用于 SLAM 研究中， 构建一种基于多细胞导航机制的 BVGSP-SLAM 模型。结合具有实时关键帧匹配的闭环检测算法以避免光线变化 对 SLAM 的影响，融入速度细胞和边界细胞以避免移动障碍物对 SLAM 的影响，利用鼠类混合细胞衍生出的数学模 型分析该系统的鲁棒性和实时性。将生物细胞模型引入 SLAM，并形成了建模、仿真与实验验证一体化的研究体系， 为移动机器人 SLAM 研究领域多样化提供重要的理论参考。 关键词：移动机器人；同步定位和地图构建；鼠类；脑细胞；闭环检测；关键帧匹配 中图分类号：TP242.6，TP751 文献标志码：A 文章编号：1673−4785(2018)01−0107−11 中文引用格式：陈孟元. 鼠类脑细胞导航机理的移动机器人仿生 SLAM 综述[J]. 智能系统学报, 2018, 13(1): 107–117. 英文引用格式：CHEN Mengyuan. Overview of mobile robot bionic slam based on navigation mechanism of mouse brain cells[J]. CAAI transactions on intelligent systems, 2018, 13(1): 107–117. Overview of mobile robot bionic slam based on navigation mechanism of mouse brain cells CHEN Mengyuan1,2 (1. Anhui Key Laboratory of Electric Drive and Control, Anhui Polytechnic University, Wuhu 241000, China; 2. Dept Precis Machinery and Precis Instrumentat, University of Science and Technology of China, Hefei 230027, China) Abstract: Aiming at the probabilistic algorithms that have shortcomings such as large computation, high complexity, and failure to find the global optimum, a variety of cells, including border cells, view cells, grid cells and speed cells, are applied to simultaneous localization and mapping (SLAM) in order to construct a BVGSP-SLAM model with multicelled navigation. A loop closure detection algorithm with keyframe matching is added to SLAM to avoid lighting that changes based on the direction and angle of the light. Speed cells and border cells are added to SLAM to avoid the influence of mobile obstructions. A mathematical model of mixed cells that analyzes robustness and real-time performance of the system is proposed. This project will develop an integrated approach for modeling, simulation and experimental verification, which provide an important theoretical reference on SLAM. Keywords: mobile robot; simultaneous localization and mapping; rodents; brain cells; closed loop detection; keyframe matching 从简单重复的劳动中解放出来一直是人类追求 的梦想，也是人类创造发明机器人的主要目的之 一。机器人可移动性可以进一步扩大其使用范围并 收稿日期：2017−07−03. 网络出版日期：2018−01−22. 基金项目：安徽高校自然科学研究项目 (KJ2016A794). 通信作者：陈孟元. E-mail：mychen@ahpu.edu.cn. 第 13 卷第 1 期 智 能 系 统 学 报 Vol.13 No.1 2018 年 2 月 CAAI Transactions on Intelligent Systems Feb. 2018
·108· 智能系统学报 第13卷 能更好地提高其使用效率，但移动机器人在复杂环 道路在何方，准确找到目的地。经过多年的研究， 境中如何模仿人类进行自我导航和路径规划一直是 2014年诺贝尔生理学或医学奖获得者发现了基于 难以解决的问题。 动物导航机制的大脑定位系统细胞。 20世纪七八十年代，随着人类智能和移动机器 像人们熟知的GPS系统一样，大脑定位系统也 人的出现，人类将两者进行了有效地关联并开始了 是通过采集自身运动的时间、位置信息进行定位导 有益地探索，人工智能领域进人了一个蓬勃发展的 航的。秀丽隐杆线虫仅有几百个神经细胞，却可以 新时代。进入21世纪后，被定义为研究感知与行动 通过追寻环境中的嗅觉信号来判断方向。对于蚂蚁 之间智能连接的移动机器人学被赋予了更多的内 和蜜蜂等神经系统更为复杂的动物，它们利用神经 涵，随着工业的发展，移动机器人正在从事工业制 细胞实时监测自身的运动方向和速度变化，通过路 造、生活家居、通信运输工作，甚至对空间以及深海 径整合获得当前所在的位置。这种方法使得动物仅 进行探索，可以说，移动机器人的出现改变了人们 依靠自身神经系统进行导航。 的生活，对社会发展的各个方面产生了巨大的影响，为 哺乳类动物辨识方向的方法更为先进。人类作 先进技术的发展与社会的进步做出了有益的贡献。 为高级的哺乳动物由于受到伦理的约束无法进行大 移动机器人在短短几十年间经过了突飞猛进的 量的实验研究。与人较为接近的哺乳动物，如猩 发展，能够较好地代替人们完成重复性和危险性的 猩、狒狒等，由于数量和国家保护的因素一般也不 劳动，减轻人们的工作强度和危险性，提高生产效 选用。在生物地图构建和导航领域，人们通常选用 率。而同步定位与地图构建(SLAM)问题一直是限 哺乳纲中的鼠类动物作为实验模型，由于实验环境 制移动机器人在复杂环境下应用的关键原因，移动 和场合广泛，为研究动物的导航性能奠定了良好的 机器人在没有提前预设好行进路线的陌生环境中需 基础。此外，鼠类大脑也是动物研究领域使用最多 要主动了解实际环境中的路况信息和障碍物的实际 的一块区域。 位置，同时精确地进行移动机器人自身的定位与实 大脑中不同的神经细胞由于受到刺激产生兴奋 际环境的地图构建。现阶段，移动机器人主要采用 导致膜电位的变化，这些同时产生兴奋的神经细胞 自身携带的各种图像采集、陀螺仪、加速度计等先 所组成的图案恰能反映外界环境的空间布局和自身 进传感器，通过激光测距、超声测距以及图像匹配 在环境中所处的位置。鼠类大脑中存在3种主要 完成SLAM工作。 导航细胞：位置细胞、头方向细胞以及网格细胞。 传感器在实际环境中的测量值有可能是错误 其中，位置细胞绘制所处地点的地图；头方向细胞 的，例如，利用激光照射玻璃墙，激光光束可能已经 指明方向（将位置细胞和头方向细胞合并形成的一 经过了多次反射才反射回探测器。图像采集传感器 个新细胞类型，位姿细胞)：网格细胞通过标记被激 也有其局限性，例如，普通照相机在区分图像标准 活细胞的位置对场景进行重定位。此外，在内嗅皮 色方面效果较差，若采用黑白色的灰度方式表示图 层还存在边界细胞、速度细胞等能够进行辅助导航 像，光线强度的变化又很难表现出来，若采用全景 的细胞，如图1所示。 相机或广角镜头采集图像，采集到的图像又会产生 内嗅皮质 畸变。另一方面，即使传感器测量值是正确的，但 海马体 总存在难以克服的精度问题。以测距和图像匹配方 位姿细胞 法实现SLAM为例，虽然传感器具有较高精度，可 头方向细胞厂位置细胞！ 以通过轮子上安装的里程计准确测量机器人的移动 局部场景 细胞 距离，但由于路面不平坦和轮子滑动等原因，传感 器测量结果不能准确反映机器人的实际移动距离， 边界细胞 并且随着移动机器人工作时间的推移累积误差也在 不断叠加，这也是不能忽略的重要方面。因此科学 速度细胞 家开始寻找更加可靠的定位导航方式。 网格细胞 鼠类相关导航脑细胞 图1海马体和内嗅皮质构成的系统生物模型 Fig.1 Biological model consist of hippocampus and entor- 当人类还处于原始社会时就已经意识到“飞鸽 hinal cortex 传书，老马识途”。一些动物具有出类拔萃的导向能 在哺乳类动物中枢神经系统的大脑皮质中，存 力，无论阴晴雨雪，纵使万水千山，这些动物总能知 在一种形状类似于海马，功能上负责短期记忆储存
能更好地提高其使用效率，但移动机器人在复杂环 境中如何模仿人类进行自我导航和路径规划一直是 难以解决的问题。 20 世纪七八十年代，随着人类智能和移动机器 人的出现，人类将两者进行了有效地关联并开始了 有益地探索，人工智能领域进入了一个蓬勃发展的 新时代。进入 21 世纪后，被定义为研究感知与行动 之间智能连接的移动机器人学被赋予了更多的内 涵，随着工业的发展，移动机器人正在从事工业制 造、生活家居、通信运输工作，甚至对空间以及深海 进行探索，可以说，移动机器人的出现改变了人们 的生活，对社会发展的各个方面产生了巨大的影响，为 先进技术的发展与社会的进步做出了有益的贡献。 移动机器人在短短几十年间经过了突飞猛进的 发展，能够较好地代替人们完成重复性和危险性的 劳动，减轻人们的工作强度和危险性，提高生产效 率。而同步定位与地图构建（SLAM）问题一直是限 制移动机器人在复杂环境下应用的关键原因，移动 机器人在没有提前预设好行进路线的陌生环境中需 要主动了解实际环境中的路况信息和障碍物的实际 位置，同时精确地进行移动机器人自身的定位与实 际环境的地图构建。现阶段，移动机器人主要采用 自身携带的各种图像采集、陀螺仪、加速度计等先 进传感器，通过激光测距、超声测距以及图像匹配 完成 SLAM 工作。 传感器在实际环境中的测量值有可能是错误 的，例如，利用激光照射玻璃墙，激光光束可能已经 经过了多次反射才反射回探测器。图像采集传感器 也有其局限性，例如，普通照相机在区分图像标准 色方面效果较差，若采用黑白色的灰度方式表示图 像，光线强度的变化又很难表现出来，若采用全景 相机或广角镜头采集图像，采集到的图像又会产生 畸变。另一方面，即使传感器测量值是正确的，但 总存在难以克服的精度问题。以测距和图像匹配方 法实现 SLAM 为例，虽然传感器具有较高精度，可 以通过轮子上安装的里程计准确测量机器人的移动 距离，但由于路面不平坦和轮子滑动等原因，传感 器测量结果不能准确反映机器人的实际移动距离， 并且随着移动机器人工作时间的推移累积误差也在 不断叠加，这也是不能忽略的重要方面。因此科学 家开始寻找更加可靠的定位导航方式。 1 鼠类相关导航脑细胞 当人类还处于原始社会时就已经意识到“飞鸽 传书，老马识途”。一些动物具有出类拔萃的导向能 力，无论阴晴雨雪，纵使万水千山，这些动物总能知 道路在何方，准确找到目的地。经过多年的研究， 2014 年诺贝尔生理学或医学奖获得者发现了基于 动物导航机制的大脑定位系统细胞。 像人们熟知的 GPS 系统一样，大脑定位系统也 是通过采集自身运动的时间、位置信息进行定位导 航的。秀丽隐杆线虫仅有几百个神经细胞，却可以 通过追寻环境中的嗅觉信号来判断方向。对于蚂蚁 和蜜蜂等神经系统更为复杂的动物，它们利用神经 细胞实时监测自身的运动方向和速度变化，通过路 径整合获得当前所在的位置。这种方法使得动物仅 依靠自身神经系统进行导航。 哺乳类动物辨识方向的方法更为先进。人类作 为高级的哺乳动物由于受到伦理的约束无法进行大 量的实验研究。与人较为接近的哺乳动物，如猩 猩、狒狒等，由于数量和国家保护的因素一般也不 选用。在生物地图构建和导航领域，人们通常选用 哺乳纲中的鼠类动物作为实验模型，由于实验环境 和场合广泛，为研究动物的导航性能奠定了良好的 基础。此外，鼠类大脑也是动物研究领域使用最多 的一块区域。 大脑中不同的神经细胞由于受到刺激产生兴奋 导致膜电位的变化，这些同时产生兴奋的神经细胞 所组成的图案恰能反映外界环境的空间布局和自身 在环境中所处的位置[1]。鼠类大脑中存在 3 种主要 导航细胞：位置细胞、头方向细胞以及网格细胞。 其中，位置细胞绘制所处地点的地图；头方向细胞 指明方向 (将位置细胞和头方向细胞合并形成的一 个新细胞类型，位姿细胞)；网格细胞通过标记被激 活细胞的位置对场景进行重定位。此外，在内嗅皮 层还存在边界细胞、速度细胞等能够进行辅助导航 的细胞，如图 1 所示。 䉔૱⯚ڱ ⊣侘ѿ 㑽ᵨ㏲㘊 ऽ㏲㘊 ѹ㒚㏲㘊 䕋Ꮢ㏲㘊 䓥⩸㏲㘊 ѹ༫㏲㘊 ᅬ䘔౦ᮛ ㏲㘊 图 1 海马体和内嗅皮质构成的系统生物模型 Fig. 1 Biological model consist of hippocampus and entorhinal cortex 在哺乳类动物中枢神经系统的大脑皮质中，存 在一种形状类似于海马，功能上负责短期记忆储存 ·108· 智 能 系 统 学 报 第 13 卷
第1期 陈孟元：鼠类脑细胞导航机理的移动机器人仿生SLAM综述 ·109· 和学习的区域，被称为海马体。在日常中的一个记 位置细胞和头方向细胞合并形成的一个被称为位姿 忆片段，比如一个电话号码在短时间内被重复提 细胞的新细胞类型则对老鼠起到良好的导航作用。 及，经过海马体可以将其转存入大脑皮层，成为永 久记忆。1971年伦敦大学学院(university college London)的美国科学家O'Keefe等在海马脑区发 现了一种特殊的神经细胞，这种细胞在鼠类经过空 圆斑 间某特定位置时其中的一些细胞会产生兴奋，而经 过另一个位置时另一些细胞会产生兴奋，他将这种 圆点 细胞命名为位置细胞。1984年纽约大学的James Ranck等1发现一组与动物的方向感知直接相关的 神经细胞并命名为头方向细胞，头方向细胞能够辨 别头部的朝向。当头部朝向北方的时候，一组细胞 会兴奋：而头部转向南方时，另一组细胞兴奋，通过 图3老鼠运动轨迹和海马体位置细胞分布 Fig.3 The trajectory of rats and the distribution of hippo- 这两种细胞的兴奋状态能够准确判断出在某一时间 campus 老鼠所处的精确位置。除此之外，内嗅皮质也参与 2005年挪威大学科学与技术学院的May-Brit 整个信号的传递过程，内嗅皮质层从网格细胞处将 Moser在海马区以外的内嗅皮质的脑区里发现了 有关方向和移动距离的信息传递给海马体，如图2 一种全新的神经细胞并将其命名为网格细胞。图4 所示。内嗅皮质将关于动物运动的方向和距离信 为老鼠在空旷房间中运动时，老鼠运动轨迹和某一 息通过不同的神经通路传递至海马体中的齿状回 个网格细胞的活跃位置，可以看出这些被激活细胞 (dentate gyrus,DG)、CA3和位置细胞所在的CAl 的位置呈现均匀六边形分布。也就是说，任意一个 等区域，由此产生的大脑认知地图可以帮助动物更 网格细胞的发放场在空间中均匀分布，并且呈现出 好地规划未来的“旅程”。 一种蜂巢式的六边形网格状。虽然网格细胞的活跃 也和动物所处的位置有关，但是与位置细胞不同， 网格细胞的活跃并不依赖于外界输入的特征信息。 海马体 内嗅皮质 图2海马体和内嗅皮层横截面视图 Fig.2 Section lateral of hippocampus and entorhinal cortex 老鼠通过各种感官从环境中获取外界的特征信 图4老鼠运动轨迹和内嗅皮质网格细胞分布 息，而位置细胞则能够和海马体中其他细胞合作， Fig.4 The trajectory of rats and the distribution of grid 将输入的特征信息与过往记录到的特征信息加以比 cells in entorhinal cortex 对。一旦信息能够匹配成功，与匹配位置相对应的 2008年，研究者们从内嗅皮质中发现一种新的 特定位置细胞就会变得活跃。通过这种方法，大脑 细胞类型，当动物接近墙壁、围场边缘或是其他隔 能够将特定的特征信息与特定的空间位置联系起 断时，这些细胞就会放电，这种细胞能够通过细胞 来，形成空间位置记忆，再通过与头方向细胞协作， 活性计算自身到达边界的距离，研究者们将其命名 可以构建位置细胞和头方向细胞所表征的海马神经 为边界细胞。2015年，在获得诺贝尔生理学或医学 人工模型。图3表示老鼠在空旷房间的运动轨迹， 奖后，May-Britt Moser和Edvard Moser夫妇继续发 圆锥形表示老鼠，圆斑表示理论上细胞的活跃位置， 现一些神经细胞能够随移动速度的提升成比例地提 圆点表示记录下的某一批位置细胞活跃时的位置。 升放电率，通过查看这种细胞的放电频率便能够判 实验表明，分离的位置细胞和头方向细胞所表征的 断一个动物在给定时间点上的移动速度，研究者们 海马神经人工模型无法长期跟踪老鼠的位置，而将 将其命名为速度细胞
和学习的区域，被称为海马体。在日常中的一个记 忆片段，比如一个电话号码在短时间内被重复提 及，经过海马体可以将其转存入大脑皮层，成为永 久记忆。1971 年伦敦大学学院 (university college London) 的美国科学家 O’Keefe 等 [2]在海马脑区发 现了一种特殊的神经细胞，这种细胞在鼠类经过空 间某特定位置时其中的一些细胞会产生兴奋，而经 过另一个位置时另一些细胞会产生兴奋，他将这种 细胞命名为位置细胞。1984 年纽约大学的 James Ranck 等 [3]发现一组与动物的方向感知直接相关的 神经细胞并命名为头方向细胞，头方向细胞能够辨 别头部的朝向。当头部朝向北方的时候，一组细胞 会兴奋；而头部转向南方时，另一组细胞兴奋，通过 这两种细胞的兴奋状态能够准确判断出在某一时间 老鼠所处的精确位置。除此之外，内嗅皮质也参与 整个信号的传递过程，内嗅皮质层从网格细胞处将 有关方向和移动距离的信息传递给海马体，如图 2 所示。内嗅皮质将关于动物运动的方向和距离信 息通过不同的神经通路传递至海马体中的齿状回 (dentate gyrus，DG)、CA3 和位置细胞所在的 CA1 等区域，由此产生的大脑认知地图可以帮助动物更 好地规划未来的“旅程”。 ⊣侘ѿ 䉔૱⯚ڱ 图 2 海马体和内嗅皮层横截面视图 Fig. 2 Section lateral of hippocampus and entorhinal cortex 老鼠通过各种感官从环境中获取外界的特征信 息，而位置细胞则能够和海马体中其他细胞合作， 将输入的特征信息与过往记录到的特征信息加以比 对。一旦信息能够匹配成功，与匹配位置相对应的 特定位置细胞就会变得活跃。通过这种方法，大脑 能够将特定的特征信息与特定的空间位置联系起 来，形成空间位置记忆，再通过与头方向细胞协作， 可以构建位置细胞和头方向细胞所表征的海马神经 人工模型。图 3 表示老鼠在空旷房间的运动轨迹， 圆锥形表示老鼠，圆斑表示理论上细胞的活跃位置， 圆点表示记录下的某一批位置细胞活跃时的位置。 实验表明，分离的位置细胞和头方向细胞所表征的 海马神经人工模型无法长期跟踪老鼠的位置，而将 位置细胞和头方向细胞合并形成的一个被称为位姿 细胞的新细胞类型则对老鼠起到良好的导航作用。 㔭呌 ల᪽ ల◥ 图 3 老鼠运动轨迹和海马体位置细胞分布 Fig. 3 The trajectory of rats and the distribution of hippocampus 2005 年挪威大学科学与技术学院的 May-Britt Moser[4-5]在海马区以外的内嗅皮质的脑区里发现了 一种全新的神经细胞并将其命名为网格细胞。图 4 为老鼠在空旷房间中运动时，老鼠运动轨迹和某一 个网格细胞的活跃位置，可以看出这些被激活细胞 的位置呈现均匀六边形分布。也就是说，任意一个 网格细胞的发放场在空间中均匀分布，并且呈现出 一种蜂巢式的六边形网格状。虽然网格细胞的活跃 也和动物所处的位置有关，但是与位置细胞不同， 网格细胞的活跃并不依赖于外界输入的特征信息。 图 4 老鼠运动轨迹和内嗅皮质网格细胞分布 Fig. 4 The trajectory of rats and the distribution of grid cells in entorhinal cortex 2008 年，研究者们从内嗅皮质中发现一种新的 细胞类型，当动物接近墙壁、围场边缘或是其他隔 断时，这些细胞就会放电，这种细胞能够通过细胞 活性计算自身到达边界的距离，研究者们将其命名 为边界细胞。2015 年，在获得诺贝尔生理学或医学 奖后，May-Britt Moser 和 Edvard Moser 夫妇继续发 现一些神经细胞能够随移动速度的提升成比例地提 升放电率，通过查看这种细胞的放电频率便能够判 断一个动物在给定时间点上的移动速度，研究者们 将其命名为速度细胞。 第 1 期 陈孟元：鼠类脑细胞导航机理的移动机器人仿生 SLAM 综述 ·109·
·110· 智能系统学报 第13卷 研究表明，在基于鼠类海马体的移动机器人导 局部场景细胞和头方向细胞的连接，头方向细胞形 航研究基础上，引入速度细胞能够更精准的实现移 成的外环是活跃细胞编码方向，内部两环是反应角 动机器人速度和角度的测量，融合边界细胞能够实 速度的前庭细胞，如图5所示。Stringer等.2通过 现突发障碍物等复杂环境的导航。 头方向细胞、视觉输入细胞和前向速度细胞互相激 2国内外研究现状及分析 励来描述位置细胞活性，从而描述环境中物体运动 的状态，如图6所示。这种包含分离头方向位置表 在过去30多年内，对SLAM问题的探索研究 征系统的海马神经人工模型，尽管可以支持位置和 大多是基于数学概率的方法，其中最成功的3种概 多方向假设，但由于不能随时间推移支持多位姿假 率法为卡尔曼滤波(Kalman filter,.KF)算法、最大期 设，故会造成不完全重定位或重定向，从而导致无 望(expectation maximisation,EM算法刀和粒子滤 法长期跟踪移动机器人的位置。 波(particle filter,PF)算法。卡尔曼滤波算法只适用 前庭细胞 视觉细胞 于线性系统，具有很大的局限性；经典的扩展卡尔 (右) 前庭细胞 曼滤波(extended Kalman filter,EKF)⑧-通过对非线 (左) 性函数泰勒展开式一阶线性化截断将非线性问题线 性化，可以应用于有非线性特征的简单系统中：无 迹卡尔曼滤波(unscented Kalman filter,.UKF)yio-W 旋转细胞Q 通过无迹(unscented transformation,.UT)变换处理 (左) 均值和协方差的非线性传递，计算精度较高。Arasa- 旋转细胞○( Po6克b9 ratnam等提出的容积卡尔曼滤波(cubature Kalman filter,,CKF)算法结构简单，估计精度高，进一步提 头向细胞一 升了系统的稳定性。粒子滤波也称为蒙特卡罗定 位(Monte Carlo localisation,MCL).1,这种算法利 图5鼠类头方向系统的吸引子网络模型 用带权重粒子的分布来估算要求的位置分布，故无 Fig.5 Attractor network model of head direction system of rats 需考虑后验分布所带来的形状或特征约束。与标 准MCL算法一样，快速同步定位和地图构建系统 视觉输人 (FastSLAM)算法通过粒子滤波器估计机器人路径 代理的可容区域 下一时刻的位置。这些概率算法的优势是能够处 理传感器与环境的模糊性，有很好的SLAM性能， ● 但这些方法是对当前采集到的环境进行数学建模并 000 ooo 进行优化，因此不能完全解决全局地图构建和导航 0000 问题。 OO 头方向细胞 前向速度细胞 相比之下，许多生物虽然不具备高精度传感 器，但仍具有较强的导航能力，并且能够解决全局 图6位置细胞的二维连续吸引子模型 SLAM问题。因为生物对其地图的构建依赖于鲁棒 Fig.6 Two-dimensional continuous attractive model of 性处理策略而不是对环境的精确描述，Wehner等 pose cells 发现蚂蚁返回蚁穴邻近区域后，再利用一整套搜索 针对上述海马模型的缺陷，研究者们提出一种 策略找到蚁穴，这种小尺寸和有限复杂度的环境有 基于复合位姿表征的啮齿动物海马区扩展模型，将 效降低了地图构建和导航的难度。但这些成熟的生 路径积分和视觉关联过程集成到位姿细胞模型中， 物学导航算法模型仍具有局限性，例如蚁群算法计 使移动机器人具有更新预测状态的能力。实验表 算量大、搜索时间长、易陷于局部最优解等问题无 明，啮齿动物海马区扩展模型对于某一环境产生了 法得到有效解决。 稳定的、一致的、具有正确拓扑的地图，但是面对范 拥有海马体的哺乳动物，如鼠类是人们研究较 围更广更复杂的环境导致路径积分性能下降时，会 多的一种动物，人们对其导航、环境探索和真实能 出现冲突和多重表征两种附加现象s29。 力的神经机制也理解得较为深入2"。Skaggs等2 后人基于此对啮齿动物海马区扩展模型进行改 利用两套旋转细胞群，通过Hebbian学习规则校正 进，一种借鉴策略是直接根据移动机器人位姿的核
研究表明，在基于鼠类海马体的移动机器人导 航研究基础上，引入速度细胞能够更精准的实现移 动机器人速度和角度的测量，融合边界细胞能够实 现突发障碍物等复杂环境的导航[6]。 2 国内外研究现状及分析 在过去 30 多年内，对 SLAM 问题的探索研究 大多是基于数学概率的方法，其中最成功的 3 种概 率法为卡尔曼滤波 (Kalman filter，KF) 算法、最大期 望 (expectation maximisation，EM) 算法[7]和粒子滤 波 (particle filter，PF) 算法。卡尔曼滤波算法只适用 于线性系统，具有很大的局限性；经典的扩展卡尔 曼滤波 (extended Kalman filter，EKF)[8-9]通过对非线 性函数泰勒展开式一阶线性化截断将非线性问题线 性化，可以应用于有非线性特征的简单系统中；无 迹卡尔曼滤波 (unscented Kalman filter，UKF)[10-11] 通过无迹 (unscented transformation，UT) 变换处理 均值和协方差的非线性传递，计算精度较高。Arasaratnam 等提出的容积卡尔曼滤波 (cubature Kalman filter，CKF) 算法结构简单[12] ，估计精度高，进一步提 升了系统的稳定性。粒子滤波也称为蒙特卡罗定 位 (Monte Carlo localisation，MCL)[13-14] ，这种算法利 用带权重粒子的分布来估算要求的位置分布，故无 需考虑后验分布所带来的形状或特征约束。与标 准 MCL 算法一样，快速同步定位和地图构建系统 (FastSLAM) 算法通过粒子滤波器估计机器人路径 下一时刻的位置[15]。这些概率算法的优势是能够处 理传感器与环境的模糊性，有很好的 SLAM 性能， 但这些方法是对当前采集到的环境进行数学建模并 进行优化，因此不能完全解决全局地图构建和导航 问题。 相比之下，许多生物虽然不具备高精度传感 器，但仍具有较强的导航能力，并且能够解决全局 SLAM 问题。因为生物对其地图的构建依赖于鲁棒 性处理策略而不是对环境的精确描述，Wehner 等 [16] 发现蚂蚁返回蚁穴邻近区域后，再利用一整套搜索 策略找到蚁穴，这种小尺寸和有限复杂度的环境有 效降低了地图构建和导航的难度。但这些成熟的生 物学导航算法模型仍具有局限性，例如蚁群算法计 算量大、搜索时间长、易陷于局部最优解等问题无 法得到有效解决。 拥有海马体的哺乳动物，如鼠类是人们研究较 多的一种动物，人们对其导航、环境探索和真实能 力的神经机制也理解得较为深入[17-21]。Skaggs 等 [22] 利用两套旋转细胞群，通过 Hebbian 学习规则校正 局部场景细胞和头方向细胞的连接，头方向细胞形 成的外环是活跃细胞编码方向，内部两环是反应角 速度的前庭细胞，如图 5 所示。Stringer 等 [23-25]通过 头方向细胞、视觉输入细胞和前向速度细胞互相激 励来描述位置细胞活性，从而描述环境中物体运动 的状态，如图 6 所示。这种包含分离头方向位置表 征系统的海马神经人工模型，尽管可以支持位置和 多方向假设，但由于不能随时间推移支持多位姿假 设，故会造成不完全重定位或重定向，从而导致无 法长期跟踪移动机器人的位置。 ݹᏙ㏲㘊 㻲㻵㏲㘊 喋ट喌 Ꮩ㏲㘊ݹ 喋ጒ喌 䒘㏲㘊 喋ट喌 䒘㏲㘊 喋ጒ喌 ऽ㏲㘊 图 5 鼠类头方向系统的吸引子网络模型 Fig. 5 Attractor network model of head direction system of rats ऽ䕋Ꮢ㏲㘊ݹ ڑ㻲㻵䒿 ऽ㏲㘊 W E N S Џ⤲⮰छქࡦഋ y x θ θ y x 图 6 位置细胞的二维连续吸引子模型 Fig. 6 Two-dimensional continuous attractive model of pose cells 针对上述海马模型的缺陷，研究者们提出一种 基于复合位姿表征的啮齿动物海马区扩展模型，将 路径积分和视觉关联过程集成到位姿细胞模型中， 使移动机器人具有更新预测状态的能力。实验表 明，啮齿动物海马区扩展模型对于某一环境产生了 稳定的、一致的、具有正确拓扑的地图，但是面对范 围更广更复杂的环境导致路径积分性能下降时，会 出现冲突和多重表征两种附加现象[26-29]。 后人基于此对啮齿动物海马区扩展模型进行改 进，一种借鉴策略是直接根据移动机器人位姿的核 ·110· 智 能 系 统 学 报 第 13 卷
第1期 陈孟元：鼠类脑细胞导航机理的移动机器人仿生SLAM综述 ·111 心表征，以及存储在位姿感知细胞及局部场景细胞 定的局限性。由于实际环境十分复杂，例如光线变 网络中的环境表征对应关系，建立存储环境空间、 化、太阳东升西落、不断的有人进出等。即使让一 视觉、时间、行为和变化等信息的沿途构图0刘。该 个机器人以5cm/s的速度在安静的空间里慢慢移 算法通过同时保留位姿感知细胞地图拓扑连通性和 动.这种论文中看起来可行的算法，在实际环境中 保持细胞之间的空间信息，解决了非连续、冲突和 往往捉襟见肘，处处碰壁，因此，SLAM还未走进人 多重表征这3个问题。Milford等验证了这种具有 们的实际生活。这种局限性是数学模型本身带来 环境探索、目标记忆和自适应改变的扩展啮齿动物 的，与改进算法无关。因此，在考虑人类能如此轻 海马区模型能在不同天气和地形下稳定导航。文献 松地完成导航的基础上，提出构建一种仿动物大脑 [34]提出一种新型的基于自组织特征图的神经网络 细胞导航机制下的同步定位与地图构建方法。 模型并将其引入到局部场景细胞，提高了系统的实 本研究受到2014年“诺贝尔生理学或医学奖” 时性和准确性。文献[35]通过飞行器进行场景回 启发，拟将发现的局部场景细胞、位姿细胞（位置细 忆，验证了沿途构图算法的可靠性。对于车载导航 胞、头方向细胞)、网格细胞、速度细胞、边界细胞 系统，由于视觉里程计误差较大，即使通过啮齿动 等具有定位导航功能的细胞模型应用于SLAM研 物海马区扩展模型仿生机制的修正也仍无法准确导 究中。分别研究5种导航细胞各自的工作机理和数 航，张潇等36在此基础上引入光学双轴传感器和 学表达，然后将这5种导航细胞按照动物导航机 MMU信息，建立了航位推算模型。文献[37]提出 制下大脑的工作原理建立数学模型，最终进行实验 验证。 将FAB-MAP(fast appearance-based mapping)引入 啮齿动物海马区扩展模型的视觉里程计，这种基于 3未来深入研究的方法建议 历史模型的闭合检测算法可以过滤视觉里程计的误 报信息，进一步提高该模型的稳定性，但通过逐个 提出一种未来深人研究的方法建议，拟将包含 对比当前场景与历史场景的相似性，实施闭环检测 局部场景细胞(view cells)、位姿细胞(pose cells)、网 的方法效率较低，不能满足系统实时性要求。研究 格细胞(grid cells)、速度细胞(speed cells)、边界细 胞(border cells)等具有定位导航功能的鼠类脑细胞 提出的基于实时关键帧匹配的闭环检测模型在保 证SLAM稳定的前提下能够提高闭环检测实时性。 模型应用于SLAM研究中，构建一种衍生SLAM 算法(BVGSP.-SLAM)实现复杂场景下的导航。融 仅仅依赖纯视觉的导航算法并不能适应长时间 入局部场景细胞、位姿细胞和网格细胞模型，尽可 复杂环境下的导航，研究者们将现有的传感器技术 能减小光线变化对视觉里程计产生的影响：在此基 应用于已知的几种导航细胞下进行导航。许瞳等3 础上引入速度细胞和边界细胞，对突发障碍物和自 提出将姿态策略模块引入啮齿动物海马区扩展模型 身速度进行进一步判别。 中，对突发障碍物的干扰提出了一个切实可行的建 局部场景细胞获取当前场景，位姿细胞获取当 议，Berkvens等B将无源RFID、有源RFID、WI-FI、 前状态，获得具有一定导航能力的仿生导航系统 地磁传感器分别引入多组实验中，结果表明，地磁 VP-SLAM,但这种系统会受到现实场景中人物走 通量引入的啮齿动物海马区扩展模型算法可以明显 动、光线变化等原因造成导航性能下降。为进一步 减少射频技术沿途构图的平均误差，并在很大程度 提升系统的鲁棒性，融入网格细胞，构建了实时关 上确保无错误路径的产生，但仍有问题有待解决， 键帧匹配的闭环检测模型GVP-SLAM,避免因光线 如由于前一时刻定位产生错误导致预期位置的错误 变化导致SLAM不稳定，从而既可大幅提高复杂环 判断、沿途构图的平均误差较大等问题。这些利用 境下导航的精准性，又具有较好的实时性。在提出 现有传感器来解决移动机器人复杂环境下的导航问 带实时闭环检测的鼠类导航细胞模型基础上，引入 题，一方面对传感器的性能要求较高，另一方面，各 边界细胞和速度细胞两种导航细胞的导航原理，提 类传感器也会受到复杂环境的干扰。研究提出一种 出一种带实时闭环检测的复合鼠类导航细胞模型 复合鼠类导航细胞模型，融合速度细胞可更精准实 BVGSP-SLAM。该模型通过融合速度细胞更精准 现移动机器人速度和旋转角度的测量，融合边界细 地实现移动机器人速度的测量，避免基于局部场景 胞以实现突发障碍物的判别。 细胞在突发障碍物影响下的判别失效；通过融合边 现有的SLAM理论经过30余年的发展，基于 界细胞，实现移动机器人对移动障碍物的实时避 数学概率方法和从距离到拓扑的地图表征法已经较 障，进一步提高了SLAM的稳定性，技术路线图如 好地完成了“定位”和“建图”过程，但都仍然存在一 图7所示
心表征，以及存储在位姿感知细胞及局部场景细胞 网络中的环境表征对应关系，建立存储环境空间、 视觉、时间、行为和变化等信息的沿途构图[30-33]。该 算法通过同时保留位姿感知细胞地图拓扑连通性和 保持细胞之间的空间信息，解决了非连续、冲突和 多重表征这 3 个问题。Milford 等验证了这种具有 环境探索、目标记忆和自适应改变的扩展啮齿动物 海马区模型能在不同天气和地形下稳定导航。文献 [34]提出一种新型的基于自组织特征图的神经网络 模型并将其引入到局部场景细胞，提高了系统的实 时性和准确性。文献[35]通过飞行器进行场景回 忆，验证了沿途构图算法的可靠性。对于车载导航 系统，由于视觉里程计误差较大，即使通过啮齿动 物海马区扩展模型仿生机制的修正也仍无法准确导 航，张潇等[36]在此基础上引入光学双轴传感器和 MIMU 信息，建立了航位推算模型。文献[37]提出 将 FAB-MAP(fast appearance-based mapping) 引入 啮齿动物海马区扩展模型的视觉里程计，这种基于 历史模型的闭合检测算法可以过滤视觉里程计的误 报信息，进一步提高该模型的稳定性，但通过逐个 对比当前场景与历史场景的相似性，实施闭环检测 的方法效率较低，不能满足系统实时性要求。研究 提出的基于实时关键帧匹配的闭环检测模型在保 证 SLAM 稳定的前提下能够提高闭环检测实时性。 仅仅依赖纯视觉的导航算法并不能适应长时间 复杂环境下的导航，研究者们将现有的传感器技术 应用于已知的几种导航细胞下进行导航。许曈等 [38] 提出将姿态策略模块引入啮齿动物海马区扩展模型 中，对突发障碍物的干扰提出了一个切实可行的建 议，Berkvens 等 [39]将无源 RFID、有源 RFID、WI-FI、 地磁传感器分别引入多组实验中，结果表明，地磁 通量引入的啮齿动物海马区扩展模型算法可以明显 减少射频技术沿途构图的平均误差，并在很大程度 上确保无错误路径的产生，但仍有问题有待解决， 如由于前一时刻定位产生错误导致预期位置的错误 判断、沿途构图的平均误差较大等问题。这些利用 现有传感器来解决移动机器人复杂环境下的导航问 题，一方面对传感器的性能要求较高，另一方面，各 类传感器也会受到复杂环境的干扰。研究提出一种 复合鼠类导航细胞模型，融合速度细胞可更精准实 现移动机器人速度和旋转角度的测量，融合边界细 胞以实现突发障碍物的判别。 现有的 SLAM 理论经过 30 余年的发展，基于 数学概率方法和从距离到拓扑的地图表征法已经较 好地完成了“定位”和“建图”过程，但都仍然存在一 定的局限性。由于实际环境十分复杂，例如光线变 化、太阳东升西落、不断的有人进出等。即使让一 个机器人以 5 cm/s 的速度在安静的空间里慢慢移 动，这种论文中看起来可行的算法，在实际环境中 往往捉襟见肘，处处碰壁，因此，SLAM 还未走进人 们的实际生活。这种局限性是数学模型本身带来 的，与改进算法无关。因此，在考虑人类能如此轻 松地完成导航的基础上，提出构建一种仿动物大脑 细胞导航机制下的同步定位与地图构建方法。 本研究受到 2014 年“诺贝尔生理学或医学奖” 启发，拟将发现的局部场景细胞、位姿细胞 (位置细 胞、头方向细胞)、网格细胞、速度细胞、边界细胞 等具有定位导航功能的细胞模型应用于 SLAM 研 究中。分别研究 5 种导航细胞各自的工作机理和数 学表达，然后将这 5 种导航细胞按照动物导航机 制下大脑的工作原理建立数学模型，最终进行实验 验证。 3 未来深入研究的方法建议 提出一种未来深入研究的方法建议，拟将包含 局部场景细胞 (view cells)、位姿细胞 (pose cells)、网 格细胞 (grid cells)、速度细胞 (speed cells)、边界细 胞 (border cells) 等具有定位导航功能的鼠类脑细胞 模型应用于 SLAM 研究中，构建一种衍生 SLAM 算法 (BVGSP-SLAM) 实现复杂场景下的导航。融 入局部场景细胞、位姿细胞和网格细胞模型，尽可 能减小光线变化对视觉里程计产生的影响；在此基 础上引入速度细胞和边界细胞，对突发障碍物和自 身速度进行进一步判别。 局部场景细胞获取当前场景，位姿细胞获取当 前状态，获得具有一定导航能力的仿生导航系统 VP-SLAM，但这种系统会受到现实场景中人物走 动、光线变化等原因造成导航性能下降。为进一步 提升系统的鲁棒性，融入网格细胞，构建了实时关 键帧匹配的闭环检测模型 GVP-SLAM，避免因光线 变化导致 SLAM 不稳定，从而既可大幅提高复杂环 境下导航的精准性，又具有较好的实时性。在提出 带实时闭环检测的鼠类导航细胞模型基础上，引入 边界细胞和速度细胞两种导航细胞的导航原理，提 出一种带实时闭环检测的复合鼠类导航细胞模型 BVGSP-SLAM。该模型通过融合速度细胞更精准 地实现移动机器人速度的测量，避免基于局部场景 细胞在突发障碍物影响下的判别失效；通过融合边 界细胞，实现移动机器人对移动障碍物的实时避 障，进一步提高了 SLAM 的稳定性，技术路线图如 图 7 所示。 第 1 期 陈孟元：鼠类脑细胞导航机理的移动机器人仿生 SLAM 综述 ·111·