徐巍峰 徐非非 王文軍 潘明華 孟繁東

1(浙江省麗水市正好電力實(shí)業(yè)集團(tuán)有限公司 浙江 麗水 323020)2(浙江省麗水市正陽電力建設(shè)有限公司 浙江 麗水 323020)

0 引 言

通過自然語言交互[1]方法對智能機(jī)器進(jìn)行遠(yuǎn)程操控，已被廣泛應(yīng)用于應(yīng)急救援、危險(xiǎn)作業(yè)、電力巡線檢測等場景中。小型無人機(jī)能夠通過傳感載體對高空態(tài)勢進(jìn)行有效的探測和數(shù)據(jù)采集，尤其在電力巡線中可以減少人工檢測的復(fù)雜度，但目前對于特殊專業(yè)無人機(jī)的操控仍需專業(yè)訓(xùn)練的操作人員，通過自然語言的形式發(fā)出指令，當(dāng)操作人員對態(tài)勢環(huán)境不熟悉的情況下需要大量專家經(jīng)驗(yàn)或重新了解地面環(huán)境知識，以作出進(jìn)一步的分析和實(shí)施。與地面機(jī)器人人機(jī)交互不同，無人機(jī)在保證飛行安全的同時(shí)，要完成更加精準(zhǔn)和穩(wěn)定的復(fù)雜動作，針對不同領(lǐng)域環(huán)境狀態(tài)調(diào)整無人機(jī)人機(jī)交互方式及如何融合各種狀態(tài)下無人機(jī)的應(yīng)對能力，是無人機(jī)智能可控研究面臨的挑戰(zhàn)[2-3]。

對于人機(jī)交互系統(tǒng)，操作人員對智能機(jī)器的操控很大程度上取決于機(jī)器對指令用意和周邊環(huán)境的語義理解[4]，語義本體[5-6]建模對自然語言的領(lǐng)域概念結(jié)構(gòu)及相互關(guān)系進(jìn)行定義推理是目前較為成熟的技術(shù)，它采用標(biāo)準(zhǔn)化的統(tǒng)一格式能夠?qū)崿F(xiàn)人機(jī)交互的語義理解，進(jìn)而達(dá)到人機(jī)交流的共識標(biāo)準(zhǔn)。由于語義交互方法大部分用于地面機(jī)器人的導(dǎo)航系統(tǒng)[7-9]，較少涉及無人機(jī)人機(jī)交互操控方法的研究和應(yīng)用。已有方法大致可分為兩類：(1) 集中于在模型框架的方法。如文獻(xiàn)[10]采用多層認(rèn)知框架的知識表示方法，描述無人機(jī)個(gè)體行為規(guī)劃和聯(lián)盟形成的過程，在高級認(rèn)知活動和反應(yīng)控制信號方面生成一個(gè)中介應(yīng)用于無人機(jī)控制中；文獻(xiàn)[11]在預(yù)測模型中融入語義知識表示方法刻畫物理環(huán)境實(shí)體，提供無人機(jī)交互控制的工具。(2) 集中于在建立自然語言接口的方法。如文獻(xiàn)[12]設(shè)計(jì)了基于領(lǐng)域自然指令方法，建立了面向自然語言接口的無人機(jī)交互控制系統(tǒng)；文獻(xiàn)[13]借助層級式空間表達(dá)方式將地圖信息和環(huán)境實(shí)體抽取為概念圖，并用邏輯本體語言存儲相關(guān)領(lǐng)域知識推理環(huán)境實(shí)體，實(shí)現(xiàn)機(jī)器人或飛行器的人機(jī)交互的語義理解；文獻(xiàn)[14]將postGIS[15]空間數(shù)據(jù)庫的數(shù)據(jù)融入到語義地圖框架，提出了在幾何空間約束下的定性目標(biāo)推理方法，為無人機(jī)飛行器提供基于postGIS和語義地圖的3D操控框架。

基于上述研究，結(jié)合認(rèn)知框架和自然語言接口的優(yōu)勢，本文以電力巡線為領(lǐng)域背景，將語義本體引入無人機(jī)人機(jī)交互，以電力環(huán)境信息作為先驗(yàn)知識和本體推理的基礎(chǔ)，構(gòu)建關(guān)于概念本體的知識庫和多元語義關(guān)系模型，通過標(biāo)簽稀疏拓?fù)鋱D推理語義位置關(guān)系，為無人機(jī)電力巡線提供軌跡控制和語義導(dǎo)航服務(wù)。

1 語義交互模型

1.1 系統(tǒng)框架

為提供人機(jī)交互控制的統(tǒng)一機(jī)制，系統(tǒng)框架由本體事實(shí)庫、多元語義關(guān)系結(jié)構(gòu)和語義解釋接口組成。(1) 本體事實(shí)庫是標(biāo)準(zhǔn)化的概念模型，為無人機(jī)環(huán)境感知提供統(tǒng)一的標(biāo)準(zhǔn)化接口，將語義Web框架Apache Jena[16]的原型集成，提供邏輯表達(dá)語言能力，以支持SPARQL[17]查詢語言，從而實(shí)現(xiàn)空間數(shù)據(jù)鏈接到本體知識庫的過程?？臻g數(shù)據(jù)平臺采用postGIS，可以有效地支持2D和3D幾何圖形，其數(shù)據(jù)建立在PostgreSQL[12]關(guān)系數(shù)據(jù)庫基礎(chǔ)上，符合開放地理空間聯(lián)盟的標(biāo)準(zhǔn)。(2) 多元語義關(guān)系結(jié)構(gòu)是基于本體事實(shí)庫構(gòu)建，在無人機(jī)傳感器上裝載SLAM[18]程序記錄航行軌跡的每個(gè)位置，采用OWL語言描述以謂詞邏輯的表達(dá)方式對每個(gè)位置上的實(shí)體單元進(jìn)行定義，并對本體事實(shí)庫的OWL-DL[19]進(jìn)行語義擴(kuò)充，針對每個(gè)實(shí)體單元和幾何圖形等位置關(guān)系，為無人機(jī)局部探測的信息進(jìn)行動態(tài)概念的實(shí)時(shí)更新，形成案例事實(shí)庫。(3) 語義解釋接口是在無人機(jī)感應(yīng)器和本體事實(shí)庫之間建立的操作接口，為演示在無人機(jī)上的實(shí)際應(yīng)用，提供了與無人機(jī)操控系統(tǒng)綁定的語義接口并標(biāo)準(zhǔn)化為統(tǒng)一的本體結(jié)構(gòu)模式。

無人機(jī)語義交互系統(tǒng)框架如圖1所示。通過規(guī)則導(dǎo)入將postGIS數(shù)據(jù)庫中的數(shù)據(jù)形式化為本體概念，無人機(jī)通信網(wǎng)絡(luò)和傳感設(shè)備與本體事實(shí)庫連接，基礎(chǔ)數(shù)據(jù)存儲于postGIS中，根據(jù)已有的本體事實(shí)庫實(shí)現(xiàn)初步位置連接和軌跡控制，當(dāng)無人機(jī)傳感設(shè)備檢測到新的數(shù)據(jù)時(shí)，共同更新postGIS數(shù)據(jù)和本體事實(shí)庫信息，并觸發(fā)多元語義關(guān)系的拓?fù)浣Y(jié)構(gòu)動態(tài)擴(kuò)充本體實(shí)體概念、關(guān)系和實(shí)例，語義解釋接口運(yùn)用OWL語言描述為語義導(dǎo)航和軌跡控制提供服務(wù)。

圖1 無人機(jī)語義交互系統(tǒng)框架

1.2 本體事實(shí)庫構(gòu)建

將postGIS數(shù)據(jù)庫的字段抽取為本體事實(shí)庫的概念集，UAV_Control為本體事實(shí)庫的頂點(diǎn)，通過is_a關(guān)系集將概念集有效連接，每個(gè)概念集又存在實(shí)例集，從而形式化為一個(gè)五元組O_facts=(C,I,R,F,A)。本體事實(shí)庫模型如圖2所示。采用protégé軟件平臺，以電力巡線為應(yīng)用背景，對某一檢測區(qū)域在一定時(shí)間范圍內(nèi)的電力設(shè)施信息和地圖信息進(jìn)行本體建模，共有350個(gè)實(shí)體概念，2 000余個(gè)實(shí)例，并通過SWRL調(diào)試形成具有圖結(jié)構(gòu)的知識庫模型。

圖2 本體事實(shí)庫

本體事實(shí)庫中，C表示事實(shí)概念集合，分為基礎(chǔ)環(huán)境類、事實(shí)事物類和巡線操控類。其中，基礎(chǔ)環(huán)境類包括點(diǎn)、線、多邊形等概念，同時(shí)包含共6層子類。圖2中左邊為事實(shí)概念集合的樹形分布，通過自頂向下的方式構(gòu)建成父類、子類節(jié)點(diǎn)，如Polygon概念類包含Telepole(電線桿)、TSwitch(刀閘)、Tower(桿塔)、Transmission(輸電設(shè)備)等子類，更具體地還包含了這些子類下的實(shí)例，如Tower的編號、名稱、面積、位置等。I的數(shù)據(jù)來源于postGIS數(shù)據(jù)庫數(shù)據(jù)字段內(nèi)的數(shù)據(jù)，通過Apache Jena將postGIS數(shù)據(jù)封裝成支持SPARQL查詢語言的OWL模型。R表示關(guān)系集，集成了所有概念集之間的關(guān)系，包括包含關(guān)系、組成關(guān)系、因果關(guān)系等，通過關(guān)系表示使概念集之間相互連接，如is_a關(guān)系集成了各概念之間的子類與父類，connect_of關(guān)系集成了兩個(gè)實(shí)體之間的位置關(guān)系，consist_of關(guān)系集成了點(diǎn)、線、多邊形之間的組合關(guān)系，而move_to關(guān)系集成了無人機(jī)操控交互的因果關(guān)系，這些關(guān)系集作為多元語義提供語義解釋接口，添加可解釋語義標(biāo)簽后可為無人機(jī)提供路線控制和位置連接等功能。F為概念集上的函數(shù)集，定義了語義操控的交互動作，通過標(biāo)簽稀疏拓?fù)鋱D的方式集成了無人機(jī)在巡線過程中對每個(gè)動作狀態(tài)的轉(zhuǎn)移、變更和存儲功能。A為公理集合，集成了多元語義圖模型的各種連接關(guān)系，包括諸如謂詞邏輯、規(guī)則和搜索引擎，能夠?qū)崿F(xiàn)語義位置連接、動態(tài)概念擴(kuò)充等功能。

2 多元語義構(gòu)建

構(gòu)建了本體事實(shí)庫以后，完成了對postGIS空間數(shù)據(jù)向本體知識的圖形轉(zhuǎn)換，通過OWL語言構(gòu)建多進(jìn)一步抽取人機(jī)交互狀態(tài)。多元語義結(jié)構(gòu)分為拓?fù)潢P(guān)系生成T-Box和多元語義解釋接口S-Box兩部分，所有數(shù)據(jù)均來源于本體事實(shí)庫的基礎(chǔ)概念，通過語義解釋接口進(jìn)行連接，生成一個(gè)可讀寫的owl文檔，用于為無人機(jī)操作人員提供動態(tài)的語義操控模式，從而提高導(dǎo)航對位置、線路、關(guān)系的可解釋性。

2.1 生成拓?fù)潢P(guān)系

目前無人機(jī)傳感器獲取的環(huán)境信息通過本體事實(shí)庫connect_of關(guān)系進(jìn)行了靜態(tài)連接，隨著交互操控的動態(tài)變化、飛行狀態(tài)區(qū)域與區(qū)域之間的快速變化和實(shí)體的移動，生成拓?fù)涞貓D觸發(fā)本體事實(shí)庫并動態(tài)更新本體事實(shí)庫知識，通過OWL語言描述并生成拓?fù)涞貓DT-Box，通過以下代碼實(shí)現(xiàn)兩個(gè)區(qū)域的實(shí)時(shí)連接：

? Environment rdf: type Environment: Polygon

? Polygon rdf: type Polygon: Area

? Polygon semap: connect_of ? Area1, Area2

? Polygon semap: hasObjectModel ? Area_object

? Area_object semap:hasConvextHull2D? Area_abstr2D

? Building rdf: type area: TelepoleAttributes

? BuildingAttributes semap: hasObjectModel ? Telepole_object

? Building_object semap:hasConvextHull2D ? Telepole _abstr2D

? Building _abstr2D semap: hasCoordinate ? Area_abstr2D

代碼描述為無人機(jī)飛行連續(xù)探測到區(qū)域Area1和Area2時(shí)，自頂向下Environment-Polygon-Area構(gòu)建概念類，通過connect_of關(guān)系集將Area1和Area2進(jìn)行連接，當(dāng)Area范圍內(nèi)有建筑物Telepole時(shí)，記錄Telepole上的屬性及結(jié)構(gòu)，包括坐標(biāo)值、編號、特性、附屬實(shí)體等。然后借助save_facts由本體事實(shí)庫O_facts生成一個(gè)擴(kuò)展事實(shí)庫T-Box_facts，用流寫入O_facts，代碼如下：

save_facts:-%

open(‘T-Box_facts’, Write, Out)

findall(connect_of(Area1,Area2), O_facts)

writefact(O_facts,Out)

close(Out)

擴(kuò)展事實(shí)庫extends_facts描述了將所有區(qū)域位置進(jìn)行相連，從而生成拓?fù)鋱D數(shù)據(jù)庫。如圖3所示，T-Box進(jìn)一步說明了拓?fù)涞貓D在本體事實(shí)庫基礎(chǔ)上生成的關(guān)系，對于某一個(gè)Telepole而言，通過線路(has_line)、形狀(has_shape)、近鄰(is_Near)等關(guān)系不僅可以將無人機(jī)實(shí)時(shí)感知的地圖知識寫入到本體事實(shí)庫中，還可以將本體事實(shí)庫內(nèi)部的邏輯關(guān)系進(jìn)行擴(kuò)展和更新，提供語義接口的導(dǎo)航服務(wù)。

圖3 拓?fù)潢P(guān)系圖生成

2.2 語義解釋接口

對于無人機(jī)自身而言，可以根據(jù)本體事實(shí)庫的坐標(biāo)和實(shí)際感知位置相似或一致的情況，推理出當(dāng)前位置及該區(qū)域內(nèi)的實(shí)體信息。以下代碼描述了無人機(jī)通過簡單的深度搜索方法，在Polygon—Area—Tower_object中檢索到AreaObject所有的屬性值，包括其坐標(biāo)位置參數(shù)、路線參數(shù)等：

? Environment rdf:type Environment: Polygon

? Polygon rdf: type Polygon: Area

? Polygon semap: hasObjectModel ? Tower_object

? Area_object rdf: type area: TowerAttributes

? Tower semap: hasCoordinate ?(125 363, 47 528, 19,600)

? Tower semap: hasHTcable ?((125 363, 47 528, 20 600)(135 363, 49 558, 20 600))

獲取當(dāng)前位置及位置信息后，為操控人員提供行為模式的語義選擇，在拓?fù)潢P(guān)系圖基礎(chǔ)上，構(gòu)建一個(gè)語義空間結(jié)構(gòu)S-Box，描述為無人機(jī)如何針對目標(biāo)位置進(jìn)行線路規(guī)劃和位置選擇。如圖4所示，將S-Box的特征實(shí)例與T-Box的概念相對應(yīng)，當(dāng)Polygon中的Area1與Area2相連，依據(jù)生成的拓?fù)潢P(guān)系圖，Area1通過at關(guān)系連接實(shí)體對象Object1和Object2，Area1通過at關(guān)系連接實(shí)體對象Object3、Object4、Object5和Object6，這些對象的實(shí)例通過Nav_Object函數(shù)擴(kuò)充概念的屬性，包括特征集Features(f1,f2,…,fn)和關(guān)系集Relations(r1,r2,…,rn)，這些集合標(biāo)注了兩個(gè)實(shí)體之間連接的初始概率，提供了感應(yīng)設(shè)備對環(huán)境的語義解釋接口。因此，語義解釋接口可認(rèn)為是將本體事實(shí)庫中的感知特征和初始概率進(jìn)行編碼化的實(shí)例。通過語義解釋接口，U1表示為{(Object1 is_a Tower1),(Area1 has_a Coor), 0.1}，U2表示為{(Object1 is_a Route),(Area1 has_a HTcable), 0.05}，而在每個(gè)Object或Area概念類中均擴(kuò)充了語義文本實(shí)例。

圖4 語義解釋接口

3 語義推理

3.1 位置狀態(tài)推理

多元語義結(jié)構(gòu)為無人機(jī)在動態(tài)環(huán)境下提供了可解釋的語義接口，可以根據(jù)位置判斷該區(qū)域的語義信息，在動態(tài)未知環(huán)境下飛行時(shí)，感知器裝載的SLAM程序以連續(xù)幀方式形成了一個(gè)具有三維增量運(yùn)動圓柱形子集hsi，該子集由連續(xù)位置采集點(diǎn)構(gòu)成，而位置采集點(diǎn)形成拓?fù)潼c(diǎn)集。為提高位置節(jié)點(diǎn)的利用率，將hsi轉(zhuǎn)換為標(biāo)簽稀疏拓?fù)鋱D[20](Labeled Sparse Topological Map,LSTM)，用于位置導(dǎo)航和軌跡控制時(shí)被調(diào)用。

(1)

(2)

3.2 軌跡控制

位置的語義連接將采集的數(shù)據(jù)形成局部軌跡，而軌跡的控制實(shí)質(zhì)上是通過對多元語義模型的頂點(diǎn)和線路的檢索及選擇。由于在位置狀態(tài)推理中，位置上均加載了一個(gè)語義標(biāo)簽，為語義解釋接口提供了連接本體事實(shí)庫概念集的方式，具有位置與位置的局部語義連接，為得到最佳的全局軌跡控制，采用語義距離和空間距離進(jìn)行線路的檢索。

(3)

算法1目標(biāo)語義搜索算法

輸入：O_facts，查詢Q，已檢測位置序列Qu，期望位置結(jié)果數(shù)量k。

輸出：k個(gè)最優(yōu)LSTM位置節(jié)點(diǎn)。

1.Qu.Enqueue(root,0)

//初始化優(yōu)先隊(duì)列

//將查詢Q稀疏化為LSTM

3. while notQu.isempty() do

4. ifvCi是葉子節(jié)點(diǎn) andi≤kthen

7. end for

8. elsevCi為下一條結(jié)果

9. (RQ,vCi)←Qu.Deqeue()

//根據(jù)式(1)對Qu隊(duì)列中

//采用式(2)計(jì)算局部位置節(jié)點(diǎn)連接，逐步形成

//三維增量為圓柱形子集hst并獲取k個(gè)LSTM節(jié)點(diǎn)

10. if 已找到k條結(jié)果且滿足結(jié)果集RQ條件

11. return

12. end if

13. end while

4 實(shí)驗(yàn)分析

4.1 系統(tǒng)實(shí)現(xiàn)

結(jié)合研究內(nèi)容研發(fā)設(shè)計(jì)了一個(gè)基于語義本體的人機(jī)交互模擬演示系統(tǒng)(Semantic Interaction for UVA and Human System，SIUHS)，在電力巡線中初步實(shí)驗(yàn)仿真，其圖形界面如圖5所示。系統(tǒng)采用Visual Studio 2010開發(fā)，地理數(shù)據(jù)源于山區(qū)電力路線數(shù)字地圖，通過protégé 中OWL SPARQL查詢語言返回所有結(jié)果；用戶終端采用小型四旋翼無人機(jī)使飛行高度在50米至100米范圍之間，考慮到安全性所有飛行情景按規(guī)定模式執(zhí)行，仿真實(shí)驗(yàn)環(huán)境下保持外部環(huán)境良好狀態(tài)。

圖5 基于語義本體人機(jī)交互模擬演示系統(tǒng)圖形界面

由圖5可知，設(shè)定目標(biāo)塔桿，無人機(jī)A位置起點(diǎn)逐步檢測當(dāng)前的語義信息，首先觸發(fā)本體事實(shí)庫的概念集，通過多元語義邏輯關(guān)系關(guān)聯(lián)當(dāng)前位置的語義信息，包括到達(dá)目的地的所有位置信息，如Tower2(塔桿2)概念集下的Tower2_L1(塔桿2電線)、Tower2_HTcable1(塔桿2高壓線)、Tower2_LS1(塔桿2刀閘)，Tower4(塔桿4)概念集下的Tower4_Insulator1(塔桿4絕緣子)、Tower4_TP1(塔桿4桿線)、Tower4_HTcable1(塔桿4高壓線)，而這些概念集又包含了具體的屬性值和實(shí)例集，如塔桿高壓線的位置坐標(biāo)值、通信設(shè)備、線路長度等屬性，均可在系統(tǒng)中顯示；然后，對當(dāng)前的語義信息進(jìn)行LSTM表示，推理出位置狀態(tài)和時(shí)間轉(zhuǎn)換概率進(jìn)行語義位置連接，采用語義距離和空間距離進(jìn)行歸一化處理，為高空電力巡線提供了豐富的可視化語義服務(wù)。

4.2 位置狀態(tài)變化分析

圖6 位置狀態(tài)變化

4.3 語義推理分析

語義推理結(jié)果從實(shí)際距離變化、目標(biāo)位置誤差和控制精度三個(gè)方面分析，結(jié)果如圖7所示。

(a) 實(shí)際距離變化

(b) 目標(biāo)位置誤差

(c) 基于PPK導(dǎo)航定位的精度控制圖7 語義推理結(jié)果分析

(1) 實(shí)際距離變化由實(shí)際距離與期望目標(biāo)的距離變化曲線得出，由圖7(a)可知，本文方法的實(shí)際距離與期望位置相對距離較小且振幅變化穩(wěn)定在2 m以內(nèi)，說明了即使在postGIS圖上測量數(shù)據(jù)存在誤差及在實(shí)際飛行中傳感器成像需要一定時(shí)間的情景下，本文方法仍滿足穩(wěn)定的期望位置狀態(tài)估計(jì)。(2) 采用目標(biāo)位置誤差測量說明與傳統(tǒng)密集航點(diǎn)模式的優(yōu)勢，由圖7(b)可知，本文方法相比傳統(tǒng)密集航點(diǎn)模式在每5 s的采集點(diǎn)內(nèi)的平均誤差低10%。這是由于本文方法采用LSTM統(tǒng)一描述圓柱形子集hst及位置狀態(tài)之間的變化，降低了目標(biāo)位置節(jié)點(diǎn)的計(jì)算開銷，使誤差結(jié)果較??；而密集航點(diǎn)模式的位置節(jié)點(diǎn)零散不統(tǒng)一，雖然可以得出豐富語義信息，但會給提供操作人員的信息過載。(3)采用PPK[22-23]的定位導(dǎo)航方式進(jìn)一步說明本文方法控制精度的可行性。由圖7(c)可知，本文方法通過與人工蟻群方法[24]和Agent方法[25]比較，隨著路程和時(shí)間的增加，本文方法在GPS接收器所采集的定位數(shù)據(jù)測量處理后，平面精度控制在2.50±0.05 mm，這些性能得益于通過多元語義關(guān)系，為每個(gè)位置加載了語義標(biāo)簽并計(jì)算語義空間距離，匹配本體事實(shí)庫O_facts的實(shí)體位置點(diǎn)，推理形成了語義關(guān)聯(lián)的位置連接，從而提高了控制的精度。而人工蟻群方法平面精度測量相對處于較大值，Agent方法精度測量值較低，但是在20 km后陷入跳躍不穩(wěn)定狀態(tài)，說明不能夠達(dá)到交互控制的全局最優(yōu)。

5 結(jié) 語

無人機(jī)的人機(jī)交互很大程度上取決于機(jī)器對周邊環(huán)境概念的理解，而實(shí)現(xiàn)這一點(diǎn)的基礎(chǔ)是構(gòu)建有效的概念本體知識庫。本文以電力巡線為領(lǐng)域知識背景，以自然語言的方式實(shí)現(xiàn)無人機(jī)的遠(yuǎn)程操控，要求無人機(jī)能夠理解構(gòu)建的概念本體事實(shí)庫指令術(shù)語，并生成關(guān)于位置節(jié)點(diǎn)的拓?fù)潢P(guān)系圖和語義解釋接口，與地面機(jī)器人密集位置采集模式控制方式不同，在基于標(biāo)簽稀疏圖的語義位置推理和軌跡控制的基礎(chǔ)上，實(shí)現(xiàn)人機(jī)在統(tǒng)一的概念內(nèi)涵和位置推理基礎(chǔ)上的交互控制。研發(fā)了語義本體人機(jī)交互模擬演示系統(tǒng)，通過實(shí)驗(yàn)證明本文方法的有效性，能夠幫助用戶更準(zhǔn)確地計(jì)劃、模擬和控制無人機(jī)的飛行軌跡和巡線路徑。然而，在現(xiàn)實(shí)環(huán)境中發(fā)現(xiàn)，本文方法未考慮電力巡線過程中復(fù)雜環(huán)境下的交互控制，且傳感器成像的誤差也給數(shù)據(jù)的不確定性帶來了挑戰(zhàn)。未來將充分考慮復(fù)雜環(huán)境下的語義控制，不僅對外部的復(fù)雜巡線信息進(jìn)行處理，而且研究無人機(jī)自身的飛行狀態(tài)信息，以提供更高效的語義交互服務(wù)。