人形机器人论文中英文资料对照外文翻译.pdfVIP

人形机器人论文中英文资料对照外文翻译

||在获取信息和感觉器官的非结构化动态环境中，后续的决策和对自

身不确定性的控制在很大程度上共存。软件计算方法也可以被人们想

象出来。在机器人领域，关键问题之一是从感觉数据中提取有用的知

识，然后将信息和感觉的不确定性分成不同的层次本文提出了一种基

于广义融合混合分类(人工神经网络的力量，论坛渔业局)的生成合成

数据的观察模型，该模型已经制定并应用于验证，以及一种从实际硬

件机器人生成合成数据的模型当选择这种融合时，主要目标是根据内

部(关节传感器)和外部(视觉摄像机)的感觉信息最小化机器人操作的

不确定性任务目前，一种被广泛有效使用的方法是研究具有5个自由

度的实验室机器人和具有模型模拟视觉控制的机械手。最近研究的处

理不确定性的主要方法包括选择加权参数(几何融合)，并且指出在标

准机械手控制器设计中训练的神经网络是不可用的。这些方法大大降

低了机械手控制的不确定性，在不同层次的混合配置中更快更准确。

这些方法通过了严格的模拟和实验。

关键词:传感器融合、频分双工、游离脂肪酸、人工神经网络、软计

算、操纵器、重复性、准确性、协方差矩阵、不确定性、不确定性椭

球

1简介越来越多的产品出现在各种机器人的应用中(工业、军事、科

学、医学、社会福利、家庭和娱乐)。它们在广泛的范围内运行，哪

一个在非结构化环境中运行在大多数情况下，了解环境是如何变化的

以及如何在每一瞬间最佳地控制机器人的动作是非常重要的。移动机

器人基本上也有能力定位和操作非常大的非结构化动态环境，并处理

重大的不确定性。对于机器人运动的最佳控制来说，了解周围环境在

每一瞬间的变化是至关重要的。移动机器人本质上还必须在非常大的

未成熟的动态环境中导航和操作，并处理显著的不确定性。当机器人

在自然的不确定环境中工作时，给定工作的完成条件总是存在一定程

度的不确定性。在执行给定的操作时，这些条件有时会发生变化。导

致不确定性的主要原因是机器人运动参数和各种任务定义信息中出

现的差异。它们与工艺规范中要求的量的不同可能并不总是微不足道

的。这些偏差可能是由于分析设计或程序运动再现中的不准确性，或

者是由于算法、测量数据、数据传输链路和其他因素中的确定性和随

机误差。机器人状态的变化，如

多功能、故障、参照系偏移等实例。，也导致机器人操作条件的不确

定性。大量不确定性的存在在感知任务状态的各个步骤中显著影响机

器人；通过控制系统适应变化；并在推理中选择

实现目标所需的行动。

事实上，人们认为，从数据中提取有用知识的关键问题之一是在各

个层面，特别是在感知层面应对不确定性。除了观察到的感官测量的

数量之外，还需要根据传播到所需感官信息的剩余不确定性来研究所

涉及的质量。

在机器人学领域，对于像机器人化空间结构操纵器、机器人化外科手

术等既需要高水平的机器精度又需要像人一样的抓握力的特定任务

来说，感觉解释水平的不确定性问题是非常关键的问题。感测过程中

的关键问题是在所有传感器的信号输出和三维世界的属性之间建立

联系。最近的趋势之一是通过传感器融合来解决这个问题，并且有许

多融合技术覆盖了非常广泛的应用领域。在对这些研究工作进行研究

的背景下，人们感到非常需要为多传感系统发展一种通用的、易于理

解的基于软计算的传感器融合策略(仿人方法)。仿人方法使其适用于

多种应用。这种开发容易理解的特性使得它特别适合处理低级感官数

据和高级信息之间复杂的、高度非线性的功能关系。融合策略最适合

应用于分布式融合架构，因为它可以有效地使我们在任何期望的水平

上最小化不确定性。在机械手控制的背景下，对一些关于不确定性分

析的论文的回顾表明，在所有这些系统中涉及的一个共同步骤是对通

过多个感觉单元获得的相同信息的解释。融合的信息需要用最小化的

不确定性来表示，这种最小化的程度取决于特定任务的应用。本文描

述的研究集中在感觉引导机器人操作的背景下的这个目标。作为一个

象征性的应用，我们已经接受了提高一个非常普通的响应控制型机器

人的可重复性的挑战。

现实世界系统本质上是随机的，其行为具有非线性和不确定性，因此

仿人方法的解决方案在许多这样的任务中是唯一可接受的。对于多变

量输入-输出系统，这种非线性和不确定性的影响是显著的，需要适

当地解决，以便有效地控制它们。以

为例，

案例

6of

9advanced

8robotic

9system(具有冗余自由度的操纵机器人或具有冗余传感系统的移动

机器人属于此类)。这些系统需要各种传感器来智能地响应动态环境。

它们可能配备有外部传