摘要
越来越多的文化展览及文化保护单位引入导览机器人作为接待游客、提升吸引力的方式，在导览机器人的开发过程中，仿真实验发挥着重要的作用。路径规划是导览机器人的重要功能，目前的路径规划仿真实验使用的栅格图大多来自随机生成或是人工手动设计，可获取的数量不足且与真实展馆布局相差较大，虽然能够应用于传统的寻路规划算法，但是不能很好地满足新兴的基于强化学习或深度强化学习设计的寻路规划算法。为了提升仿真实验效果，本文提出使用基于深度学习的程序化生成方法，以真实的展馆环境布局为基础来设计训练数据集，最终生成数量多、样式丰富的展馆布局图，并提供更有针对性的仿真环境以辅助测试和算法验证。 本文分析了博物馆展馆的通用组成元素并将这些元素与字符、数字、色块等关联，将展馆布局平面图转换为由不同字符组成的文本地图和由色块表示的颜色地图，并由这些文本地图组成训练所用的数据集。 本文重点研究了生成式对抗网络在生成二维布局上的运用，首先以一种普遍应用的深度卷积生成式对抗网络为切入点，分析了其生成的基于展馆元素表示的二维地图中存在的问题，针对结构缺损等情况提出加入自注意力机制模块进行改进。本文设计了地图完整性和与训练数据相似性两个主要评价指标并对原始方法和改进后的方法进行对比评估，实验结果表明改进后的方法在两个评价方面均表现更佳。采用本文的程序化方法生成的地图转换为路径规划仿真实验通常使用的栅格图的难度低、效果好。 在以上研究内容的基础上，本文基于生成的二维地图建立虚拟展馆导览仿真系统，该系统能根据二维地图搭建相应的三维虚拟展馆场景，并为使用者提供虚拟展馆中的路线导览、展品介绍等功能，来帮助其查看展馆的生成效果以及体验导览机器人相关功能的仿真效果。该系统还能为导览机器人的仿真实验提供更为直观的三维环境。另外，本文设计了一个用户可用性测试对这一系统的多个功能进行了测评。
NETL