《智能机器人的发展与展望.docVIP

智能机器人的发展与展望 关键词：智能机器人、人工智能、感知、决策 摘要：本文首先介绍了机器人的起源、历史发展，然后对当代智能机器人的三大要素进行分析，并提出存在的主要问题和面临的挑战，最后对智能机器人的未来进行展望，就未来机器人如何发展的问题提出了自己的看法。 引言：从1954年美国戴沃尔最早提出了工业机器人的概念，机器人的诞生可以说是从美丽的神话开始的它先后经历了从古代的神话幻想到此后数千年间艰苦的探索设计和试验的漫长道路中国古代书籍《列子·汤问》中记述了一个由能工巧匠制作的水平.三是高级智能机器人，比如地壳机器人.它和初级智能机器人一样,具有感觉,识别,推理和判断能力,同样可以根据外界条件的变化,在一定范围内自行修改程序.所不同的是,修改程序的原则不是由人规定的,面是机器人自己通过学习,总结经验来获得修改程序的原则.所以它的智能高出级智能机器人.这种机器人已拥有一定的自动规划能力,能够自己安排自己的工作.这种机器人可以不需要人的照料,完全独立的工作,故称为高级自律机器人.这种机器人也开始走向实用，比如地壳机器人可以用于查询、提醒、导航、娱乐等. 智能机器人应该具备的要素 一个智能机器人应该具备三大要素：感知、决策、行动。感知就是机器人具有能够感觉内部、外部的状态和变化，理解这些变化的某种内在含义的能力。决策要求机器人具有能够依据各种条件、状态、约束的限制自主产生目标，规划实现目标的具体方案、步骤的能力。行动需要机器人具备完成一些基本工作基本动作的能力。在这三大要素的基础上，智能机器人通过感知辅助产生决策，并将决策付诸行动，在复杂的环境下自主地完成任务，形成各种智能行为。 一、智能机器人的感知一个鲜活的生命可以通过它的各种感觉器官和中枢神经系统来感受、理解外部和自己内部的变化。而一个智能机器人要感知这个世界，就必须具有一定的信息获取手段和信息处理方法。信息收集智能机器人进行信息收集的传感器可以分为触觉传感器、温度传感器、距离传感器、定位系统、速度和加速度传感器、角度及角加速度传感器、力和力矩传感器、姿态传感器、机器人视觉传感器、机器人听觉传感器、嗅觉传感器等。这些传感器的应用可以使机器人检测到外界环境和本身的状态及变化。 线加速度计获取线加速度信息，进而得到当前机器人的线速度和位置信息。陀螺仪通过测量角度角速度、角加速度的变化，可以得到机器人的姿态角、运动方向 以及运动方向 的改变等信息。激光全局定位传感器运用三角测量法得到机器人的位置坐标信息。用于机器人的室外定位。超声传感器可以用来测量机器人周围障碍物的有无和距离的远近，红外传感器可以用来测量距离和方向，也可以用来测量外部温度变化。激光雷达可以精确地测定外部障碍物和机器人之间的距离值。接触和接近传感器类似于动物的触须，可以帮助机器人避免与环境中的物体发生碰撞，感知探测范围内是否存在物体。触觉传感器类似于皮肤的作用，通常由触觉传感器阵列组成，可以用来感觉物体的形状，乃至物体表面的纹理形状。力和力矩传感器用来感觉机器人对外界物体施加的力或力矩的大小，从而保证机器人的力反馈控制。嗅觉传器是机器人配备的用来感知气味浓度的化学传感器，气味的浓度和气流的方向可以用来解决机器人的导航问题和特殊物质的检测。 多传感器信息融合智能机器人身上通常装备有多种不同的传感器，如红外传感器、超声传感器、激光雷达、 碰撞检测传感器、视觉传感器、听觉传感器等。由于受到各传感器的检测对象、工作范围、 精度等因素的影响，需要确定不同来源的传感数据的一致性，通过不同传感信息的互相补充来获得外部完整的信息，所以多传感器信息融合方法的研究是智能机器人研究中的重要一环。加权平均法是最简单也最直观的方法，一般用于对动态低水平的数据进行处理，但结果不是统计上的最优估计。贝叶斯估计是融合静态环境中多传感器低层数据的常用方法，适用于具有高斯白噪声的不确定性传感信息融合对于系统噪声和观测噪声为高斯白噪声的线性系统模型用卡尔曼滤波来融合动态低层次冗余传感信息，对于非线性系统模型采用扩展卡尔曼滤波或者分散卡尔曼滤波。统计决策理论用于融合多个传感器的同一种数据，常用于图像观测数据。 证据推理是贝叶斯估计法的扩展，它将局部成立的前提与全局成立的前提分离开来，以处理前提条件不完整的信息融合。基于神经网络法，根据系统要求和融合形式，选择网络拓扑结构，通过网络学习确定网络连接权值，对各传感器的输入信息进行融合，系统具有很强的容错性和鲁棒性。模糊推理法首先对多传感器输出进行模糊化，将所测得的距离等信息分级，表示成相应的模糊子集，并确定模糊子集的隶属度函数，通过融合算法对隶属度函数综合处理，再将模糊融合结果清晰化，求出融合值。带置信因子的产生式规则主要用于符号水平层表达传感器信息，结合专家系统对多传感器信息进行融合。 智能机