基于双神经网络结构发展型机器人3D抓取.docVIP

基于双神经网络结构发展型机器人3D抓取 　　摘要：手眼协调属于感觉运动的协调，是人认知能力的基础。这篇论文的目标是要模仿人类婴儿的发育过程来建立一个机器人系统，可以接近或者抓取物体。该文旨在应用发展模型中的“增量过程”，通过使用双神经网络在3D实验环境下来完成机器人抓取系统。这个机器人系统在全约束条件下开始发展，随着每个约束条件的成熟从而驱动双神经网络的训练，当所有的约束条件都释放，机器人系统就可以获得抓取能力。 　　关键词:手眼协调;发展型机器人;发育约束;神经网络;发展模型 　　中图分类号：TP393文献标识码：A文章编号：1009-3044(2012)12-2859-04 　　Developmental Robotic 3D Reaching Based on Double-Network Architecture 　　HU Lin1，CHAO Fei2 　　(1.Cognitive Science Department, Xiamen University, Xiamen 361005,China;2.Fujian Key Laboratory of the Brain-like Intelligent System(Xiamen University), Xiamen 361005 ,China) 　　Abstract: Reaching ability is a kind of human sensory motor coordination and is the foundation of human cognitive abilities. The objec? tive of this work is to imitate the developmental progress of human infant to create a robotic system which can reach or capture objects. The work proposes to employ a developmental model“incremental process”to implement such a robotic reaching system by using a dou? ble neural network system within 3D experimental environment. The robotic system starts to develop under fully constrained conditions, and the training of the double neural network is driven by each constraint has been saturated, when the all contained conditions have been overcome, the robotic system is able to own reaching ability. In addition, this paper delicately describes and discuss the experimental results. Key words: hand-eye coordination; developmental robot; developmental constraints; neural network; developmental model 　　机器人手眼协调是智能机器人的重要技能之一，也是自主机器人系统研究领域的重要组成部分和研究课题。机器人手眼协调已经有了广泛的应用，如车辆制造业，空间探索，食物包装等[1]。机器人手眼协调是从机器人视觉感知器到机器人动作执行器的一个映射。大多数传统的机器人手眼协调系统是由工程师进行标定的。但遗憾的是，这种方法有一个重要的限制，就是当系统有一个小的??变时这个系统必须重新标定[12]。 　　为了克服这个问题，提出了无标定的手眼协调。这种类型的机器人系统具有从训练数据中学习控制参数的能力；这样工程师的工作量就减少了，但是，机器人仅只能在很小一部分任务集上的训练，还不能学习那些可以应用到大量任务的通用策略上[2]。因此，该文介绍了智能机器人的一个研究领域——具有自主能力的“发展型机器人”。发展型机器人与传统机器人的不同之处表现在：发展型机器人不但可以完成预定的任务，还可以在新环境中自我感知未知环境，从而有预知有目的地进行某项活动。 　　发展型机器人手眼协调是一个非常有趣的研究热点，近几年也提出了很多机器人手眼协调模型。但是，这些研究在不同因素上有一些限制：大