人工智能11.docx

人工智能11.docx

《人工智能11.docx》由会员分享，可在线阅读，更多相关《人工智能11.docx（9页珍藏版）》请在冰豆网上搜索。

人工智能11

题目：

人工智能在智能机器人领域中的研究与应用

学号：

07080605227

姓名：

库来汗

班级：

07-1班

指导老师：

孙晓杰

摘要：

智能机器人是人工智能的理想研究平台，在简要介绍人工智能发展历史的技术上，深入阐述了与机器人领域紧密相关的几项主要人工智能研究内容，并全面总结了人工智能理论与技术在机器人研究开发发面的具体应用情况；最后，结合研究工作对人工智能的未来发展趋势作了进一步的展望，对于从事人工智能与智能机器人研究工作的读者具有一定的借鉴作用。

关键词；人工智能；机器人；智能体

中国分类号；TP18文献标识码；A文献编号；1009-0312（2008）03-0033-05

人工智能是一门研究人类智能机理以及如何用计算机人类智能活动的科学，其最早的萌芽可追潮到20世纪20年代图灵（TURING）等人的研究，他们在计算机出现之前，就已经预见了将来会有一种具有逻辑思维的机器，1956年在美国Dartmouth大学的专题研讨会上Minsky,McCarthy以及Simon和Newell等人分别就如何穿过迷宫，如何搜索推理和如何证明数学定理等问题进行了深入讨论；会上首次使用了“人工智能”（ArtificialIntelligence,简称AI）这一术语，并逐渐形成了一门涉及多学科的综合性技术学科。

人工智能先后经历了三次飞跃发展阶段；第一次飞跃式实现问题求解，代替人类完成部分逻辑推理工作；第二次飞跃是智能系统能够和其外界环境交互，从运行的环境中获取信息，代替人类完成包括不确定性在内的部分思维工作；第三次飞跃是智能系统具有人类的认识和思维能力，能够发现新的知识，已完成面临的任务。

经过50多年的发展，人工智能已取得了许多令人瞩目的成就，无论是人们一直高度重视的专家系统，还是近年来逐渐崛起的人工神经网络以及各种智能算法等技术，都取得了显著的成绩。

智能机器人是一种在记忆，感知，推理，决策，思维等方面全面模拟人的机器系统，但其外形并不一定像人。

它是人工智能技术的综合试验场，可以全面地检验考察人工智能各个研究领域的技术发展状况。

智能机器人和机器人学的研究大大促进了许多人工智能思想和技术的发展。

笔者在参阅大量相关文献的技术上，着重介绍了人工智能在智能机器人领域的主要研究及应用情况。

1人工智能的研究内容

像其他学科一样，在过去50多年的飞跃发展历程中，人工智能形成了极其广泛的研究领域。

，目前，人工智能的主要研究领域包括：

问题求解，逻辑推理与定理证明，自然语言理解，自动程序设计，专家系统，机器学习，人工神经网络，模式识别，机器视觉，智能控制与决策，智能检索，智能调度与指挥。

分布式人工智能与智能体，计算智能与进化算法，数据挖掘与知识发现，人工生命等。

人工智能被日益受到重视的另一个分支领域是机器学习。

以下重点介绍几种在智能机器人和机器人学研究中常用的人工智能技术。

1.1模式识别

人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的一种模式，研究的是计算机智能模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息，识别和理解周围环境的感知能力。

也就是说，模式识别研究的主要内容就是让计算机具有自动获取外界信息，识别和理解周围环境的感知能力。

也就是说，模式识别研究的主要内容就是让计算机具有自动获取外界知识的能力，能识别文字，表格，图形，图像，声音等。

一般来说，模式识别需要经历模式信息采集，预处理，特征或基元提取，模式分类等几个步骤。

在智能机器人研究中，模式识别技术在机器人视觉中图像识别应用方面广泛。

针对足球机器人视觉系统不能够快速，正确识别目标这一问题，文献【6】在基于YUV色彩空间的基础上，提出了一种混合式颜色分类与识别方法，该方法能够有效快速地完成机器人足球系统中的颜色分割与识别处理任务。

针对大场地机器人足球赛对视觉识别子系统高精确度的要求，文献【7】提出了一种机器人足球识别算法，有效解决了大场地下视觉识别子系统在精确度，识别速度和正确率等问题。

此外，有些学者还就机器人语音识别对模式识别技术进行了研究。

1.2机器视觉

机器视觉又称为计算机视觉，它包括模拟人的视觉功能中的识别与理解两大方面，无疑是人工智能领域中有待解决的一个十分艰巨的研究领域。

机器视觉已经从模式识别的一个研究领域发展为一门独立的科学，其当前比较具体的目标主要是通过模拟人的视觉，开发出从图像输入到自然景物分析的图像理解系统。

继美国麻省理工学院的马尔教授创建“视觉计算理论”之后，形成了立体视觉，动态图像分析，视觉检验及文本识别等一些新的研究方向。

赋予机器人视觉是机器人领域研究的重点之一，其目的是要通过图像定位，图像理解等手段，向机器人运动控制系统反馈目标或自身的状态与位置信息。

机器人视觉系统可以理解为一种以实现对机器人的控制，操作和制导为目的而进行的图像自动获取与理解分析的系统。

可以想象，与机器人视觉相关联的图像处理过程是非常复杂的。

因此，为了简化机器人视觉中的图像处理任务，通常采用的一种途径是利用其它类型的传感器来补充这类视觉系统的不足，例如在移动机器人中，声纳用于壁障，激光图像雷达用于产生三维景物信息，红外相机于用对热源定位等。

在机器人装配，工业过程控制，工农业产品质量检测及机器人定位与导航等领域，机器视觉已经获得了极为广泛的应用。

1.3机器学习

机器学习是模似人类智能的主要标志和知识获取的重要途径，属于人工智能研究中最突出和最重要的一方面。

机器学习同时也是使计算机具有智能的根本途径。

正如香克（shank）所说：

“一台计算机若不会学习，就不能称为具有智能的计算机。

”此外，机器学习还有助于发现人类学习的机机理和揭示人脑的奥秘。

所以这是一个始终得到重视，理论正在创立，方法日臻完善，但远未达到理想境况的研究领域。

对于机器人研究而言，随着机器人需求的不断提高，机器人所面临的环境通常无法预知，非结构化环境成为主流。

在动态多变的复杂环境中，机器人如果要完成复杂的任务，其学习能力就显得极为重要了。

在这种情况下，机器人应当根据所面临的外部环境和任务，通过学习不断地调节自身，在与环境交互的过程中抽取有用的信息，使之逐知识和适应环境。

通过学习可以不断提高机器人的智能化水平，使其能够应对一些意想不到的情况，从而弥补设计人员在设计过程中可能存在不足，同时降低设计人员的劳动强度。

因此学习能力是机器人系统中个体机器人必须具备的重要能力之一，它为复杂多变环境下机器人的环境理解，规划与决策等行为提供了有效保障，从而改善整个机器人系统的运行效率。

目前机器学习的方法有很多，但基本上可归结为有监督学习和无监督学习两类。

有监督学习是在可以提供输入输出时的情况下使用的，如神经网络和决策树学习等；而无监督学习是在不能提供有效输入和确切输出时的情况下使用的，如进化学习，强化学习等，无监督学习在往往在先验知识的基础上预测未来结果。

目前，这两种学习方法在智能机器人领域中都得到了广泛应用。

1.4分布式人工智能与智能体

分布式人工智能（distributedAI,简称DAI）是分布式计算机与人工智能结合的结果。

DAI系统具有互操作性，既不同的异构系统在快速变化的环境中具有交互信息和协同工作的能力，其研究目标是要创建一种能描述自然与社会系统的精确概念模型。

DAI中的智能并非独立存在的概念，只能在团体协作中实现，因而其主要研究问题是各智能体（Agent）之间的合作方法与对话机制，包括分布式问题求解和多智能体系统（multi-agentsystem,简称MAS）两个领域。

其中，分布式问题求解把一个具体的求解问题划分为多个相互合作和知识共享的模块，MAS系统则研究各Agent之间智能行为的协调，包括规则，知识，技术和动作的协调。

多机器人系统（multi-robotsystem,简称MRS）是MAS的一个特列，二者之间有着本质的联系。

因为机器人的行为（能力）是由其具有分析决策能力的“大脑”中，MRS本质上由多机器人Agent系统驱动，因而多机器人Agent系统与MAS之间有着非常类似的拓扑结构，组织方式和运行机制。

因此MAS对多机器人学的发展有巨大的借鉴作用。

值得借鉴的不仅包括MAS有关理论，而且其相关研究方法，列如MAS中Agent的形式化建模方法，拓扑结构及其组织方法，通信协议及其实现方法，协商及谈判策略等。

因此，吸取MAS研究的成果（理论及方法）,依据MAS的特性来组织和控制多个机器人，使之通过协作完成单个机器人无法完成的复杂任务MRS理论发展的一条捷径。

另一方面，MRS为多智能体的研究提供了一个理想的研究与试验平台，从而大大加快了多智能体理论和方法的研究进程。

目前，MAS理论在MRS（如搬运机器人系统，足球机器人系统等）领域的任务分配及运动协调研究中有着广泛而成功的应用。

2人工智能在机器人领域的典型应用

2.1人工神经网络在机器人定位与导航中的应用

人工神经网络是一种仿效生物神经系统的信息处理方法，其优点主要体现在它可以处理难以用模型或规则描述的过程和系统；对非线性系统具有统一的描述；具有较强的信息融合能力，

其典型结构如图1所示。

因此在移动机器人定位与导航方面，基于神经网络的多传感器信息融合正是利用了神经网络的这些特性，将机器人的外部传感器的传感数据信息作为神经网络的输入处理对象，从而获得移动机器人自身位置与对障碍物的比较精确的估计，实现移动机器人的避障与自定位。

摄像机标定是机器人视觉中的重要内容，摄像机参数标定过程就是确定其内部几何与光电参数和其自身坐标系与世界坐标系之间的相对位置与方向的过程。

刘艳梅等人采用人工神经网络有效解决了这一问题。

利用人工神经网络直接学习机器人摄像机所观测到的图像信息与三维世界坐标信息（x,y,z），得出二者之间的关系。

如图1所示，网络第一层为输入层，第二层为隐含层，第三层为输出层，隐含层神经元采用S型激活函数，输出层采用线性激活函数。

网络输入是机器人目标点在3个摄像机中的图像信息，输出为目标点的三维世界坐标。

引入人工神经网络对目标物空间位置进行精确测量，从而较好地实现了机器人导航中的

目标定位与轨迹跟踪。

2.2专家系统在机器人控制中的应用

在过去的几年中，机器人控制理论得到了极大地发展，并取得了丰硕的成果。

果然，大多数控制方法都建立在合适的数学模型基础之上。

由于机器人动力学的非线性、时变形、多关节强耦合及变惯量等复杂性，致使其数学模型的参数和类型很难准确确定。

通过在线性系统辨识确定的动态数学模型将随着负载和机器人位姿的变化而不断变化，巨大的计算量使得该方法根本无法应用到实际中去。

因此。

采用一种模拟人类行为的方式而不需要大量数学计算的控制方法自然而然就被提出了，这就是所谓的智能控制。

智能控制涉及到人工智能的多个领域，包括专家系统、神经网络以及模糊控制等。

纯粹采用专家系统的智能控制将会免去大量复杂的计算，从而极大地提高系统的整体反应速度。

然而，基于推理规则的系统也有它的弱点，为使系统能够处理异常清况，系统的规则将是非常复杂的。

即便如此，也很难讲所有情况都考虑进去，因此，专家系统与常规控制相结合的控制方法往往会较为实用。

如中科院的隋清等将专家系统与PID控制相结合，在机器人控制中取得了满意的效果。

还有人采用专家系统来决定系统辨识模型，选择故障诊断工具等。

图2是专家系统与普通控制器相结合的机器人控制方式。

其中的控制器可以使简单的PID控制器，也可以是不同的系统辨识工具、故障诊断工具等。

2.3进化算法在机器人路径规划中的应用

路径规划是智能机器人研究的一个活跃课题。

作为机器智能的一部分，路规划的主要任务是使移动机器人按照某些约束条件搜索一条起始状态到目标状态的最优或次最优的无碰路径。

很多学者对路径规划做了大量的研究并提出了一些方法。

随着人工智能计算智能与进化算法研究的逐步发展，遗传算法，蚁群算法的提出，机器人路径规划问题也得到了相应发展，尤其是通过遗传算法在路径规划中的应用，使得机器人更加智能化，其运行路径也更加逼近理想的优化要求。

文献【14】以动态，未知环境下的机器人路径诶研究背景，利用遗传算法采用了基于路点坐标值的可变长染色体编码方式，构造了包含障碍物排斥子函数项的代价函数，使得路径规划中的地图信息被成功引入导遗传操作的实现过程。

同时针对路径规划问题的具体应用，改进了交叉和变异两种遗传算子，获得了较为理想的路径搜索效率，实现了较好的移动机器人路径规划效果。

3人工智能的发展

人工智能的研究目标是认识与模拟人类智能行为。

传统人工智能研究往往将研究重点集中于对人类单个智能品质如计算，推理，记忆，搜索及直觉等能力的研究与模拟。

然而，由于人类智能行为是各种单个智能品质的综合体现，因此传统人工智能研究方法往往无法充分刻画或恰当模拟人类的的智能行为。

把人看作多种智能品质的有机整体——智能体，综合考察智能体的各种智能行为与特征，是当前人工智能研究者共同的愿望。

近年来，以整体的观点研究智能体已经成为人工智能领域的研究热点，相应的理论与技术也已成功应用于机器人及其它各类工程实际问题中。

另外，相关研究表明未来人工智能可能会向模糊处理，并行化和机器情感等方面的发展。

现阶段人工智能的推理功能已获突破，学习及联想机制正处研讨之中，下一步讲模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能；情感是智能的高度体现，情感能力对于实现机器与人之间的自然交互将起着重要的作用。

因此，人工智能领域进一步的突破可能在于赋予机器情感能力。

4结束语

随着人工智能理论和技术研究的不断深入，很多人工智能研究成果已经逐步进入人们的日常生活。

作为人工智能研究的一个分支，机器人和机器人学已经日益受到研究界的关注和重视，任务复杂度的增大以及完成任务所需要的智能化与协作程度的提高，要求机器人必须从最初的工业机械手向智能机器人进化，要求单个机器人向多机器人系统发展。

智能机器人和多机器人系统的研究和应用为人工智能相关理论的研究提供了一个很好的试验床。

深入开展这些方面的研究工作，既能丰富机器人学的理论和技术，从而带来整个人工智能领域的极大发展，又可进一步拓展智能机器人系统的应用领域，具有十分重要的科学意义和实践价值。

参考文献

【1】NilssonNJ.ArtifialIntewgensdede:

ANewsynthesis[M].beijing:

ChinaMachinepress,2006:

72-95.

【2】崔良知，赵永昌。

人工智能【M】.北京：

清华大学出版社。

2005:

3-48。

【3】豪自兴。

徐光优。

人工智能及其应用【M】.北京：

清华大学出版社。

2005；10-23

【4】孙松涛。

人工智能的发展及应用【J】.河南科技。

2003（10）:

19-20

【5】夏鲁刚。

机器人智能控制方法研究及控制器设计【J】.机械工程师。

2006（12）；47-9。

【6】曹爱光，石星光，刘凤，等机器人足球颜色分类研究【J】.济南大学学报。

2005.19（3）；239-241。

【7】彭强，江浩，大场地足球机器人视觉子系统及其识别算法【J】.西南交通大学学报。

2005.40

（2）；241-246。

【8】徐新和，建石，有关行为主义人工智能研究综述【J】.控制与决策。

2004,19（3）；241-246。

【9】刘艳梅，董再励，孙美香，等。

一种基于神经网络的视觉定位系统【J】机器人，2003,25（5）；461-464。

【10】王涛，鲁涂。

基于专家系统的机器人路径规划方法综述【J】.模式识别与人工智能，1994,7

（1）；7-14。

【11】朱清保，张玉兰，基于栅格法的机器人路径规划蚁群算法【J】.机器人，200527

（2）；132-137。

（注：

可编辑下载，若有不当之处，请指正，谢谢!

）