人工智能在智能机器人系统中应用研究.docVIP

人工智能在智能机器人系统中的应用研究 　　摘 要：随着机器人的应用领域深入大众生活，人们对机器人的期望越来越高，希望更高智能化的机器代替人类完成更复杂的工作。但在实践应用中，智能机器人所处的环境往往是难以预知的，对机器人的动作行为进行人工分析设计也变得越来越困难。该文通过分析研究智能机器人相关的关键技术，探讨了智能机器人当前存在的问题，最后基于人工智能理论和技术，提出了适合于智能机器人的新型系统架构 关键词：智能机器人 人工智能 系统架构 中图分类号：TP242.6 文献标识码：A 文章编号：1674-098X（2016）08（b）-0010-02 1 智能机器人简述 随着电子、半导体、计算机及互联网等信息技术的飞速发展，机器人的应用越来越广泛，已经被使用于军事、医疗、娱乐、服务等众多领域。目前，在机器人技术与人工智能科学相结合后，机器人演变为可感知外界信息变化、独立思维和自主行动功能的高度智能化机器，和以往熟知的工业机器人相比，表现更为自主化加人性化，能协助人类完成更复杂的任务 2 智能机器人关键技术 目前，国内外智能机器人相关领域的技术发展很快，其中最为关键的技术涉及到环境感知、自主定位和运动控制这3个重要的问题 如果在室内环境中，智能机器人必须依赖机器视觉，同时借助于其他环境感知传感器进行场景识别和行动导航；而在室外环境的应用中，复杂多变及光照明暗变化的影响，使得环境感知的实现要求很高，实时性处理要求也更高，因此，多传感器信息融合及对环境建模是智能机器人感知系统需要克服的技术难题 作为智能机器人，自主定位问题也是必须解决的关键技术。目前，最常用的自主定位技术是基于惯性单元的航迹推算技术，需要对机器人的位置进行递归推导，由于误差积累等因素，使得航迹推算法仅适合于短时、短距离运动的位置姿态估计；对于大范围的动作定位，常常需要图像传感器进行环境观测，然后再与环境地图进行匹配，从而实现机器人的精确定位 机器人一般是将终端轨迹规划与稳定控制相结合来实现运动控制。机器人的每一个动作，必须预先规划好运动轨迹，然后根据运动学获取各动作关节的旋转角，实现连贯动作。由于在实际环境中，存在很多扰动因素，需要不断对角度反馈校正，才能保证稳定性 3 智能机器人系统存在问题 随着人们对智能化机器的要求越来越高，机器人的自主意识和模拟类人行为逐渐成为研究的热点。而传统机器人主要存在问题如下 3.1 环境稳定性低 在多变的环境中或异常情况下，机器人经常会工作不正常或罢工 3.2 独立自主性差 遭遇陌生环境时，难以自主调整，自主规划，需要太多的人工干预 3.3 大脑不够发达 存储信息量不足，只能完成短期或程序化的记忆，无法形成经验积累，出错几率很高 3.4 服务意识低下 缺乏人类的思想行为常识和基本逻辑推理能力，难以适应场景变化 3.5 人机交互不够友好 机器系统仍然很难使用公共的表达与人顺畅交流沟通 4 智能机器人系统架构 人工智能（Artificial Intelligence）简称AI，是开始于20世纪的一门新兴技术科学，是研究开发模拟人脑和扩展人的行为的智能化理论方法和技术应用系统。人工智能算法是实现智能机器人所必需的重要技术手段，也是机器高级智能的本质，其中最有效的算法就是深度学习。借助于此算法，人类终于找到了处理“抽象概念”这个难题的方法，同时为机器人能够实现类人一样的高度智能化提供了有效的途径 通过对目前人工智能的现状和机器人实现技术的深入研究与探讨，笔者提出了一种具有深度学习和认知推理能力的智能机器人系统架构，该系统架构主要包含下面几个模块 4.1 记忆存储模块 该模块的主要功能是通过存储和关联算法来实现机器人记忆中的知识。每个记忆单元可以提供不同类型的知识，而不同的单元之间相互关联，这些关联能够反映机器人存在的真实世界的动态变化 4.2 推理与规划模块 该模块是在层次任务格式下建立机器人预先行为规划描述，并把预定规则嵌入到控制逻辑本体，为机器人控制提供行为规划器。机器人根据执行结果，做出可获取的逻辑推理，不断修正规划描述和再规划，借助失败分析和恢复的方法，将经验导入规划器，实现连续动作推理和行为规划功能 4.3 深度学习模块 该模块由监督学习模块和非监督学习模块构成。为了适合不同的应用场景和功能任务，机器人需要对物体进行分类，同时获取相关的特征值，而监督学习就是通过人类已有的数据词汇指导机器进行学习。非监督学习模块的任务是在很少或没有监督的情况下，通过对大数据样本观察和探索，来获取人类常识。通过构建具有多级隐层的非监督学习模型，以及借助海量的数据训练，机器人能够自主学习更有价值的特征值，从而