论述人工智能技术与智能机器人技术的关系.docx

1、论述人工智能技术与智能机器人技术的关系人工智能技术与智能机器人技术的关系姓名：张孟学号：10068406442013年11月23日摘要：机器人可分为一般机器人和智能机器人。一般机器人是指不具有智能，只具有一般编程能力和操作功能的机器人。智能机器人是自控机器人，它有相当发达的“大脑”。它是控制论产生的结果，控制论主张这样的事实：生命和非生命有目的的行为在很多方面是一致的。智能机器人具备形形色色的内部信息传感器和外部信息传感器，如视觉、听觉、触觉、嗅觉。除具有感受器外，它还有效应器，作为作用于周围环境的手段。这就是筋肉，或称自整步电动机，它们使手、脚、长鼻子、触角等动起来。由此也可知，智能机器人至

2、少要具备三个要素：感觉要素，运动要素和思考要素。然而这三个要素的实现无不需要人工智能的帮助与主持，人工智能的发展促进着智能机器人感觉能力、运动能力、思考能力的提升。智能机器人的发展需求也促使人工智能技术的提高与发展。（智械科技）关键词：支撑促进人工智能技术：一、概论：人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。（智械科技）关于什么是“智能”，就问题多多了。这涉及到其它诸如意识、自我、心灵（包括无意识的精神

3、）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。人工智能目前在计算机领域内，得到了愈加广泛的发挥。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。二、发展史：20世纪4020世纪5020世纪6020世纪7020世纪8020世纪90年代年代年代年代年代年代年代1945计算计算机1957FOR机（ENIACTRAN语言）1953博弈论人工

4、智能研究1982第五代电脑计划开始1977知识1991人工1956达特矛斯会议工程宣言神经网络人工智能语言1973PROLOG语言1960LISP语言1973生产系统知识表达1976框架理论专家系统1965DEN1975MYDRALCIN三、涉及范围：1.智能模拟机器视、听、触、感觉及思维方式的模拟：指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，智能搜索，定理证明，逻辑推理，博弈，信息感应与辨证处理。（智械科技）2.学科范畴人工智能是一门边沿学科，属于自然科学、社会科学、技术科学三向交叉学科。3.涉及学科哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定

5、性论，仿生学，社会结构学与科学发展观。4.研究范畴语言的学习与处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法人类思维方式，最关键的难题还是机器的自主创造性思维能力的塑造与提升。4.应用领域机器翻译，智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂，自动程序设计，航天应用，庞大的信息处理，储存与管理，执行化合生命体无法执行的或复杂或规模庞大的任务等等。智能机器人技术:一、概述：智能机器人是一个在感知-思维-效应方面全面模拟人的机器系统,外形不一定像人。它

6、是人工智能技术的综合试验场, 可以全面地考察人工智能各个领域的技术, 研究它们相互之间的关系。还可以在有害环境中代替人从事危险工作、上天下海、战场作业等方面大显身手。人们通常把机器人划分为三代。第一代是可编程机器人。这种机器人一般可以根据操作人员所编的程序, 完成一些简单的重复性操作。这一代机器人是从60 年代后半叶开始投入实际使用的, 目前在工业界已得到广泛应用。第二代是“感知机器人”又叫做自适应机器人,它在第一代机器人的基础上发展起来的,能够具有不同程度的“感知”周围环境的能力。这类利用感知信息以改善机器人性能的研究开始于70年代初期, 到1982 年, 美国通用汽车公司为其装配线上的机器

7、人装配了视觉系统,宣告了感知机器人的诞生,在80年代得到了广泛应用。第三代机器人将具有识别、推理、规划和学习等智能机制, 它可以把感知和行动智能化结合起来,因此能在非特定的环境下作业,称之为智能机器人。智能机器人与工业机器人的根本区别在于, 智能机器人具有感知功能与识别、判断及规划功能。而感知本身, 就是人类和动物所具有的低级智能。因此机器的智能分为两个层次: 具有感觉、识别、理解和判断功能; 具有总结经验和学习的功能。所以, 人们通常所说的第二代机器人可以看作是第一代智能机器人。（智械科技）二、智能机器人的感官系统：(1) 触觉传感器英国近几年在阵列触觉传感方面开展了相当广泛的研究。例如:S

8、ussex大学和Shack-leton系统驱动公司研制的基于运动的介电电容传感的阵列;由威尔士大学和软件科学公司研制的采用压强技术的装在机器人夹持器上的传感器。(2) 视觉传感在机器人视觉方面,目前市场上销售的有以下6类传感器:隔开物体的二维视觉:双态成像;隔开物体的二维视觉:灰度标成像;触觉或叠加物体的二维视觉;二维观察;二维线跟踪;使用透视、立体、结构图示或范围找寻技术从隔开物体中提取三维信息。在这类系统方面, 它们只能做一些很简单的操作。例如: 为了使机器人具有某种程度的人眼功能,已进行大量的研究工作并向如下两类系统发展:从一维物体中提取三维信息; 活动机器人导航、探路和躲避障碍物的现场

9、三维分析。伦敦大学目前正在研究一种双目视觉机器人的实时图像处理机。还有正在研究机器人视觉系统的教育机构有: 考文垂工业大学、爱丁堡大学、格拉斯哥大学、格温特大学; 而伯明翰大学则专门研究惯性传感器。另外, 还有许多从事传感系统开发的单位, 都进行了传感反馈研究。如米德尔塞克斯工业大学致力于使机器人能组织和使用来自不同类型传感器的数据。这种机器人能“看”、“感”和“听”, 它更接近于人。(3) 听觉传感（智械科技）目前用的最多的是麦克风与机器人的自然语言理解系统。(4) 运动性能机器人通常是要在周围移动物体的,例如:机器人臂到轮子或脚的运载器已有许多结构在使用, 此外还有许多其他型号在研究之中。

10、为在空间任意点以任意方式操作一个物体, 机器人臂需要有6个自由度: 左/右、前/后、上/下、投、卷和左右摆转。在工业中使用的坐标已有6个: 圆柱形、球形笛卡尔坐标、旋转坐标、Scara type 和并行坐标。人工智能在智能机器人上的应用1专家系统在机器人领域的应用1.1机器人能力的局限当今大多数机器人被看作是笨拙的、缓慢的、缺乏智能的。它们只是用来完成一些非常特定的任务。教机器人像人类一样完成一些任务也是非常困难的。按Nizten的说法,这是机器人以下的一些特点决定的:(l)操作器的能力有限。机器人的末端操作器灵活性有限,不能像人的手那样灵活操作,因此只能操作特定形状及大小的器件。(2)开环控

11、制。如今的机器人多数都是开环控制,如搬运、焊接等操作,开环操作导致精确性很难保证。(3)无法进行错误诊断。绝大多数机器人无法对非预期的故障进行诊断并修复。机器人系统经常无法确认机器人是否按原计划工作。(4)有限的可移动性。今天的机器人常常会被引导方式所限制。这些机器人无法自由运动,避障能力也很有限。他们常常只能在确定的环境中运动。1.2专家系统的特点（智械科技）专家系统(ES)是一项很新的技术,直到1980年才开始有商业应用。专家系统本身具有一些潜在的优点:它可利用宝贵的专家知识,可以在不确定的环境中运行,可增加系统的可靠性和反应时间。1985年以后,专家系统得到迅速的发展。尽管只有短短二十几

12、年的发展,专家系统已经在以下领域显示出它强大的生命力。(l)解释:从传感器的数据推导出状态描述。(2)预测:从给定的状态推导出可能的结果。(3)诊断:通过观察得出可能的系统故障。(4)设计:在一定的约束下配置对象。(5)规划:设计行为序列。(6)监视:检查观察所得的结果与计划的差异。(7)调试:提出解决系统故障的方法。(8)维修:执行一个计划来管理维修过程。(9)控制:单独或与传统控制方法相结合,完成控制过程。1.3专家系统增加了机器人系统的可靠性在机器人系统中,无论是机器人本身还是机器人所处的环境都有可能发生故障。对于实时系统来说,及时发现和解决故障是一件困难的事情。它包括监控机器人的运行。

13、检测故障,诊断原因,向操作者提供解决问题的参考办法,或者直接产生行为规划去控制机器人执行。这个过程可以完全或部分交给专家系统来执行。一个基于专家系统的故障恢复系统的原型已经被明尼苏达大学开发出来了,这个基于规则的系统功能还很有限。北京智能谷科技有限公司开发的电机故障诊断系统就是通过向用户咨询各种现象来最终进行故障的诊断。1.4专家系统可以用来增加机器人系统的安全性安全问题随时可能发生。事故所带来的损失是无法估量的。有时甚至威胁到人的生命。例如,安全规则规定人不可以进人到机器人的工作环境。但是,仍然时常有人进人而发生事故,他们中有的是对安全规定的无视,有的则是一时的疏忽。还有一种情况是已经下了命

14、令让机器人停止运行但由于控制系统出现一些故障导致机器人仍在继续运行。如果在机器人环境集成了安全监视专家系统,许多这类事故都可以避免。“机器人智能安全系统(RISS)”是由MartinMarietat宇航公司为美国航空航天局(NASA)的航天飞机开发的。RSIS检测机器人工作中的异常,如果侦测到有异常,系统将会进行诊断并采取适当的措施。监测信息来自工作环境、机器人本身、传感器、其他计算机以及操作人员。校正的操作可能输出到机器人控制器,其他机器的控制器以及显示设备。机器人原计划的操作将被挂起或改变。1.5专家系统可用于机器人规划（智械科技）机器人规划包括任务规划和轨迹规划。国内外许多专家在机器人任

15、务规划上利用Al 技术进行了大胆的尝试。机器人规划是一项非常艰巨的任务。利用AI技术进行的一些尝试,如启发式搜索、语义网络、谓词逻辑、框架等,在有限的区域已经取得了一定的成果。如UPLP-I,已经具有一定的学习功能。但是速度十分缓慢。由蔡自兴,傅京孙等人开发的ROPES,在时间上有了很大的改进。另外,ROPES 还可以产生多个结果并对结果进行评估。另一个具有规划功能的机器人系统是Freddy3。他是一个非常庞大和复杂的系统,包括多个机器人、微型计算机、本地网络以及各种传感器。RoboCPu世界杯是目前世界上规模最大,参赛人数最多的机器人比赛,也是智能机器人领域最重要的一次国际盛会。创立Robo

16、CPu的目的就是为了促进人工智能和机器人学的研究。通过足球这个具有普遍意义的平台,来评价各种理论、算法和智能体系结构。我国选手将基于专家系统的轨迹规划理论用于其中,在仿真组比赛中取得了骄人的成绩。仿真足球机器人比赛在标准软件平台上进行,平台设计充分体现了在控制、通讯、传感等方面的实际限制,仿真组比赛是目前参赛项目中参赛人数最多的一种。仿真机器人足球队的研究重点是球队的高级功能,包括动态多智能体系统中的合作、决策、实时规划等人工智能研究的热点问题。2模式识别在智能机器人领域的应用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拟，研究的是计算机智能模式

17、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的图像识别方面应用广髭，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，在基于YUV色彩空间的基础上，提出了一种混台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

18、，彭强、江浩提出了一种机器Al足球识别算法，有效解决了大场地下视赏识别子系统在精确度、识别速度和正确率等问慝。此外，有些学者还髋机器人语音识别对模式识别技术进行了研究。3.机器视觉在智能机器人领域的应用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学科，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(Marr)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

19、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，声纳用于避障，激光图像雷达用于产生三维景物信息，红外相机用于对热源定位等。在机器人装配、工业过程监控、工农业产品质量检测及机器人定位与导航等领域，机器视觉已获得了极为广泛

20、的应用。（智械科技）4机器学习在智能机器人领域的应用机器学习是模拟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个方面。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兢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。对于机器人研究而盲，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

21、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，使之逐渐认识和适应环境。通过学习可以不断提高机器人舶智鸵让水平，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的不足，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，从两改善整个机器人系统的运行效率。目前机器学习的方法有根多，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

22、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。（智械科技）5.分布式人工智能在智能机器人领域的应用分布式人工智能(distributedAI，简称DAI)是分布式计算机与人工智能相结合的结果。DAI系统具有互操作性，即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

23、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-robot system，简称MRS)是MAS的一个特例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”机器人Agent决定的，多机器人的协作策略也存在于各机器人的。“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

24、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，而且包括其相关研究方法，例如IMAS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是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。6.进化算法在机器人路径规划中

25、的应用路径规划是智能机器A研究的一个活跃课题，作为机器智能的一部分，路径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从起始状态到目标状态的最优或次最优的无碰路径，很多学者对路轻规划做了大量的研究并提出了一些方法。（智械科技）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、蚁群算法等的提出，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申的应用，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。以动态、未知环境下的机器人路径规划为研究背景，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

26、息被成功引入到遗传操作的实现过程同时针对路径规划问题的具体应用，改进丁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。个人观点：人工智能技术是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。但是人工智能技术不仅仅可以应用在计算机科学上，人工智能技术也促进着智能机器人的发展提高着智能机器人的智力水平。人工智能技术涉及的多个方面都与智能机器人有关，比如语言的学习与处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感

27、知问题。人工智能技术支撑着智能机器人技术，许多人工智能需要解决的问题正是智能机器人技术需要解决的问题。人工智能的很多成果也在智能机器人上得以体现。（智械科技）智能机器人技术也不仅仅是“智能”这一方面，智能机器人也是机器人，也需要机器人技术的支持。但是我想智能机器人研究的重点仍然是怎样提高机器人的智能程度，这与人工智能的目标是一致的。人工智能技术支撑着智能机器人的发展，智能机器人技术需求促进者人工智能的提高。参考文献：Crevier,Daniel.AI:TheTumultuousSearchforArtificialIntelligence.New York,NY:BasicBooks.1993

28、.ISBN0-465-02997-3.McCorduck, Pamela.MachinesWho Think2nd.Natick, MA:A.K.Peters,Ltd.2004.ISBN1-56881-205-1.Nils, Nilsson.TheQuestforArtificial Intelligence:AHistoryofIdeas andAchievements.NewYork:CambridgeUniversityPress. 2010.人工智能与机器人汉斯出版社引用日期2013-06-7人工智能中的仿生学人工智能引用日期2013-09-10人工智能与机器人控制的探讨周维,刘有源,孙波(武汉理工大学物流自动化研究所,湖北武汉430063)中国的智能机器人研究蔡自兴(中南大学信息科学与工程学院，湖南长沙410083)智能机器人及其发展孟庆春,齐勇,张淑军,杜春侠,殷波,高云智能机器人概述董砚秋(沈阳理工大学信息科学与工程学院,沈阳110031)人工智能在机器人领域的开发应用许彦峰,孙汉旭(北京邮电大学自动化学院,北京100876)人工智能在智能机器人领域中的研究与应用陈建平,任斌,张会章