原创力文档- 1、本文档共13页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
北京市朝阳区高三年级第二学期质量检测一
语文
2024.4
（考试时间150分钟满分150分）
本试卷共10页。考生务必将答案答在答题卡上，在试卷上作答无效。考试结束后，将本试卷和答
题卡一并交回。
一、本大题共5小题，共18分。
阅读下面材料，完成1—5题。
材料一
1967年，机器人的定义首次被提出。此后多年间，研究者们提出的机器人定义不尽相同，但都指
出机器人应具有协助人或代替人执行任务的能力，即机器人应具备一定的技能。机器人的技能指机器
人在某个特定目的下执行的连续动作序列，比如抓握技能、爬行技能、行走技能等。如何使机器人获得
各项技能，一直是机器人研究领城的核心课题。
机器人学习指机器人模拟实现人类的学习行为，像人类一样通过不断学习来改善自身的性能，从
而大幅提高自适应能力和智能化水平。机器人从无到有获得技能的这一过程称为技能习得。传统机器
人的技能习得一般采用固定的编程方式，通常通过人工示教来完成。机器人运用这种学习方式不仅费
时费力，还会在面临复杂多变的非结构化应用场量时显得力有未逮。近些年来，使机器人像人一样有
能力在动态变化的未知环琥中通过与环境交互进行自主学习，成为机器人学习研究的主要方向。
(取材于曲威名的相关文章)
材料二
强化学习的一个起源来自于对动物行为的实验观察。动物在面对相同情景时会表现出不同的行为，
它们更倾向于能够引起自身满足感的行为，而对于那些会给自己带来不适的行为则会尽量避免。换言
之，动物的行为在与环境的互动中通过不断试错来巩固。试错学习也是强化学习方法的核心思想。研
究者发现，这种试错的思想与让机器人通过与环境交互来学习的想法不谋而合。如今，越来越多的机
器人采用基于强化学习的方法进行学习。2022年，研究者应用一个充分训练过的深度强化学习网络，
实现了机器人在不平整户外地形中进行可靠的自主导航。
模仿学习又称为示教学习。与强化学习相比，模仿学习降低了学习过程中搜索空间的复杂度，减
少了学习过程中所需的样本量，加快了学习速度。鉴于单纯使用模仿学习方法易使训练得到的策略陷
入局部最优解，一些研究者尝试将模仿学习与强化学习相结合。这种尝试在仿真机器人以及PKU-HR5机
器人上都取得了令人满意的实验效果。
迁移学习指机器人通过对过往经验或已有知识的再利用，加快学习执行新任务的能力，实现不同
技能之间的迁移。相较其他学习方法，迁移学习是一种可以利用少量训练数据使机器人学到新技能的
方法。直接在实体机器人上进行任务迁移的做法虽然可行，但会造成机器人与环境之间的交互次数过
多，加快机器人的机械磨损，缩短机器人的使用寿命。针对这个问题，一种有效的方法是，先在仿真环
高三语文第1页（共9页）
境中进行训练，然后在现实环境中部署。然而，仿真环境与现实环境通常因差距过大而不匹配，产生
“现实鸿沟”,这是迁移学习中面临的一个重要问题。此外，迁移学习中还经常出现“灾难性遗忘”问
题，即当学习完成一项新任务时，会忘记之前的任务。针对这一问题，研究者提出了渐进式网络，该网
络横向连接到先前任务习得的特征，利用先验知识有效地避免遗忘。研究者还应用渐进式网络技术成
功地将一种机器人手臂控制策略从仿真环境迁移到了现实环境中。
发展学习是一种通过明确地模拟人类认知发展机理来让机器人习得技能的方法。研究者以儿童心
理学家皮亚杰提出的儿童认知发展阶段理论为理轮依据，提出了机器人自主心智发展的概念。研究者
认为，可以通过仿照人类从婴儿到成人的智能发育过程，来实现机器人的智能进化，使机器人借助传
感器和执行器与外部环境互动，并像人一样在交互过程中自主学习，逐渐提高智能水平。
(取材于刘天林、林惟凯等的相关文章)
材料三
尽管当前机器人学习领域已取得诸多成果，但仍然存在一些亟待解决的问题。强化学习若想使机
器人能够实现自主学习，需要大量的训练数据。获得大量的训练数据往往成本高昂，因此降低数据需
求对机器人学习的发展具有重要意义。结合强化学习的模仿学习和结合强化学习的迁移学习可以获得
更好的性能，因此在某种程度上可以视强化学习为机器人学习的基础。强化学习本身就是在尝试获得
最大奖励，然而，强化学习中存在“奖励稀疏’问题，即在执行任务时很难频繁地获得有益的反馈(奖
励),这导致学习缓慢、低效。如何有效、合理地解决这一问题，有待进一步探索。尽管渐进式网络等技
术在一定程度上解决了“现实鸿沟”问题，但是如何在具有较大差别的仿真环境与现实环境之间快速
准确地实现技能迁移，仍是机器人研究的重要课题之一。
未来，如何让机器人更好地借鉴生物的机理习得相应技能、管理已获得的技能并将已有技能自主
结合形成新技能、针对相同的任务在不同的环境中自主选择最优策略等，或将成为机器人学习领域的
研究热点。
(取材于林惟凯、
文档评论（0）