智能機器人簡介

　　智能機器人之所以叫智能機器人，這是因為它有相當發(fā)達的“大腦”。在腦中起作用的是中央處理器，這種計算機跟操作它的人有直接的聯(lián)系。最主要的是，這樣的計算機可以進行按目的安排的動作。正因為這樣，我們才說這種機器人才是真正的機器人，盡管它們的外表可能有所不同。

智能機器人百科

　　智能機器人之所以叫智能機器人，這是因為它有相當發(fā)達的“大腦”。在腦中起作用的是中央處理器，這種計算機跟操作它的人有直接的聯(lián)系。最主要的是，這樣的計算機可以進行按目的安排的動作。正因為這樣，我們才說這種機器人才是真正的機器人，盡管它們的外表可能有所不同。

　　機器人關鍵技術

　　隨著社會發(fā)展的需要和機器人應用領域的擴大，人們對智能機器人的要求也越來越高。智能機器人所處的環(huán)境往往是未知的、難以預測的 ，在研究這類機器人的過程中， 主要涉及到以下關鍵技術 ：

　　多傳感器信息融合

　　多傳感器信息融合技術是近年來十分熱門的研究課題， 它與控制理論、信號處理、人工智能、概率和統(tǒng)計相結合 ， 為機器人在各種復雜、動態(tài)、不確定和未知的環(huán)境中執(zhí)行任務提供了 1 種技術解決途徑。機器人所用的傳感器有很多種 ， 根據(jù)不同用途分為內(nèi)部測量傳感器和外部測量傳感器兩大類。內(nèi)部測量傳感器用來檢測機器人組成部件的內(nèi)部狀態(tài) ， 包括： 特定位置 、角度傳感器 ; 任意位置 、角度傳感器; 速度、角度傳感器 ; 加速度傳感器; 傾斜角傳感器; 方位角傳感器等 。外部傳感器包括： 視覺（ 測量、認識傳感器）、觸覺（接觸、壓覺 、滑動覺傳感器）、力覺（ 力、力矩傳感器）、接近覺（ 接近覺、距離傳感器）以及角度傳感器（ 傾斜、方向、姿式傳感器）。多傳感器信息融合就是指綜合來自多個傳感器的感知數(shù)據(jù)， 以產(chǎn)生更可靠 、更準確或更全面的信息。經(jīng)過融合的多傳感器系統(tǒng)能夠更加完善、精確地反映檢測對象的特性， 消除信息的不確定性 ，提高信息的可靠性。融合后的多傳感器信息具有以下特性 ： 冗余性、互補性、實時性和低成本性。目前多傳感器信息融合方法主要有貝葉斯估計、Dempster-Shafer 理論、卡爾曼濾波 、神經(jīng)網(wǎng)絡 、小波變換等 。

　　多傳感器信息融合技術是 1 個十分活躍的研究領域， 主要研究方向有 ：

　　1多層次傳感器融合 由于單個傳感器具有不確定性、觀測失誤和不完整性的弱點 ， 因此單層數(shù)據(jù)融合限制了系統(tǒng)的能力和魯棒性。對于要求高魯棒性和靈活性的先進系統(tǒng) ， 可以采用多層次傳感器融合的方法。低層次融合方法可以融合多傳感器數(shù)據(jù); 中間層次融合方法可以融合數(shù)據(jù)和特征， 得到融合的特征或決策 ; 高層次融合方法可以融合特征和決策， 到最終的決策 。

　　2 微傳感器和智能傳感器 傳感器的性能、價格和可靠性是衡量傳感器優(yōu)劣與否的重要標志， 然而許多性能優(yōu)良的傳感器由于體積大而限制了應用市場。微電子技術的迅速發(fā)展使小型和微型傳感器的制造成為可能。智能傳感器將主處理、硬件和軟件集成在一起 。如 Par Scientific 公司研制的 1000 系列數(shù)字式石英智能傳感器 ，日本日立研究所研制的可以識別 4種氣體的嗅覺傳感器， 美國 Honeywell 研制的DSTJ23000 智能壓差壓力傳感器等 ， 都具備了一定的智能 。

　　3 自適應多傳感器融合 在實際世界中， 很難得到環(huán)境的精確信息 ， 也無法確保傳感器始終能夠正常工作。因此 ，對于各種不確定情況 ， 魯棒融合算法十分必要。現(xiàn)已研究出一些自適應多傳感器融合算法來處理由于傳感器的不完善帶來的不確定性。如 Hong通過革新技術提出 1 種擴展的聯(lián)合方法， 能夠估計單個測量 序列濾波的 最優(yōu)卡爾 曼增益 。 Pacini 和Kosko 也研究出 1 種可以在輕微環(huán)境噪聲下應用的自適應目標跟蹤模糊系統(tǒng)， 它在處理過程中結合了卡爾曼濾波算法 。

　　導航與定位

　　在機器人系統(tǒng)中 ，自主導航是一項核心技術 ， 是機器人研究領域的重點和難點問題。導航的基本任務有 3 點： （ 1）基于環(huán)境理解的全局定位： 通過環(huán)境中景物的理解 ，識別人為路標或具體的實物 ，以完成對機器人的定位 ，為路徑規(guī)劃提供素材;（ 2）目標識別和障礙物檢測： 實時對障礙物或特定目標進行檢測和識別 ，提高控制系統(tǒng)的穩(wěn)定性; （ 3）安全保護： 能對機器人工作環(huán)境中出現(xiàn)的障礙和移動物體作出分析并避免對機器人造成的損傷 。

　　機器人有多種導航方式 ， 根據(jù)環(huán)境信息的完整程度、導航指示信號類型等因素的不同 ，可以分為基于地圖的導航、基于創(chuàng)建地圖的導航和無地圖的導航3類。根據(jù)導航采用的硬件的不同， 可將導航系統(tǒng)分為視覺導航和非視覺傳感器組合導航［ 8］ 。視覺導航是利用攝像頭進行環(huán)境探測和辨識， 以獲取場景中絕大部分信息 。目前視覺導航信息處理的內(nèi)容主要包括 ： 視覺信息的壓縮和濾波 、路面檢測和障礙物檢測 、環(huán)境特定標志的識別、三維信息感知與處理。非視覺傳感器導航是指采用多種傳感器共同工作 ， 如探針式、電容式、電感式 、力學傳感器、雷達傳感器、光電傳感器等，用來探測環(huán)境 ， 對機器人的位置、姿態(tài) 、速度和系統(tǒng)內(nèi)部狀態(tài)等進行監(jiān)控， 感知機器人所處工作環(huán)境的靜態(tài)和動態(tài)信息，使得機器人相應的工作順序和操作內(nèi)容能自然地適應工作環(huán)境的變化 ，有效地獲取內(nèi)外部信息 。在自主移動機器人導航中 ， 無論是局部實時避障還是全局規(guī)劃， 都需要精確知道機器人或障礙物的當前狀態(tài)及位置， 以完成導航 、避障及路徑規(guī)劃等任務，這就是機器人的定位問題 。比較成熟的定位系統(tǒng)可分為被動式傳感器系統(tǒng)和主動式傳感器系統(tǒng)。被動式傳感器系統(tǒng)通過碼盤、加速度傳感器、陀螺儀、多普勒速度傳感器等感知機器人自身運動狀態(tài)， 經(jīng)過累積計算得到定位信息 。主動式傳感器系統(tǒng)通過包括超聲傳感器、紅外傳感器、激光測距儀以及視頻攝像機等主動式傳感器感知機器人外部環(huán)境或人為設置的路標 ， 與系統(tǒng)預先設定的模型進行匹配， 從而得到當前機器人與環(huán)境或路標的相對位置 ，獲得定位信息 。

　　路徑規(guī)劃

　　路徑規(guī)劃技術是機器人研究領域的1 個重要分支 。最優(yōu)路徑規(guī)劃就是依據(jù)某個或某些優(yōu)化準則（ 如工作代價最小 、行走路線最短、行走時間最短等），在機器人工作空間中找到 1 條從起始狀態(tài)到目標狀態(tài)、可以避開障礙物的最優(yōu)路徑 。

　　路徑規(guī)劃方法大致可以分為傳統(tǒng)方法和智能方法2 種 。傳統(tǒng)路徑規(guī)劃方法主要有以下幾種 ： 自由空間法、圖搜索法 、柵格解耦法 、人工勢場法。大部分機器人路徑規(guī)劃中的全局規(guī)劃都是基于上述幾種方法進行的，但這些方法在路徑搜索效率及路徑優(yōu)化方面有待于進一步改善 。人工勢場法是傳統(tǒng)算法中較成熟且高效的規(guī)劃方法 ，它通過環(huán)境勢場模型進行路徑規(guī)劃 ，但是沒有考察路徑是否最優(yōu) 。

　　智能路徑規(guī)劃方法是將遺傳算法 、模糊邏輯以及神經(jīng)網(wǎng)絡等人工智能方法應用到路徑規(guī)劃中， 來提高機器人路徑規(guī)劃的避障精度 ，加快規(guī)劃速度， 滿足實際應用的需要。其中應用較多的算法主要有模糊方法、神經(jīng)網(wǎng)絡、遺傳算法、Q 學習及混合算法等 ，這些方法在障礙物環(huán)境已知或未知情況下均已取得一定的研究成果 。

　　機器人視覺

　　視覺系統(tǒng)是自主機器人的重要組成部分，一般由攝像機、圖像采集卡和計算機組成。機器人視覺系統(tǒng)的工作包括圖像的獲取、圖像的處理和分析 、輸出和顯示， 核心任務是特征提取 、圖像分割和圖像辨識 。而如何精確高效的處理視覺信息是視覺系統(tǒng)的關鍵問題。目前視覺信息處理逐步細化， 包括視覺信息的壓縮和濾波、環(huán)境和障礙物檢測 、特定環(huán)境標志的識別、三維信息感知與處理等。其中環(huán)境和障礙物檢測是視覺信息處理中最重要 、也是最困難的過程 。邊沿抽取是視覺信息處理中常用的 1 種方法。對于一般的圖像邊沿抽取 ， 如采用局部數(shù)據(jù)的梯度法和二階微分法等 ，對于需要在運動中處理圖像的移動機器人而言，難以滿足實時性的要求。為此人們提出 1種基于計算智能的圖像邊沿抽取方法， 如基于神經(jīng)網(wǎng)絡的方法 、利用模糊推理規(guī)則的方法， 特別是 Bezdek J .C 教授近期全面的論述了利用模糊邏輯推理進行圖像邊沿抽取的意義。這種方法具體到視覺導航， 就是將機器人在室外運動時所需要的道路知識， 如公路白線和道路邊沿信息等 ， 集成到模糊規(guī)則庫中來提高道路識別效率和魯棒性 。還有人提出將遺傳算法與模糊邏輯相結合 。機器人視覺是其智能化最重要的標志之一， 對機器人智能及控制都具有非常重要的意義。目前國內(nèi)外都在大力研究 ，并且已經(jīng)有一些系統(tǒng)投入使用 。

　　智能控制

　　隨著機器人技術的發(fā)展， 對于無法精確解析建模的物理對象以及信息不足的病態(tài)過程，傳統(tǒng)控制理論暴露出缺點 ，近年來許多學者提出了各種不同的機器人智能控制系統(tǒng)。機器人的智能控制方法有模糊控制 、神經(jīng)網(wǎng)絡控制 、智能控制技術的融合（ 模糊控制和變結構控制的融合 ; 神經(jīng)網(wǎng)絡和變結構控制的融合; 模糊控制和神經(jīng)網(wǎng)絡控制的融合 ; 智能融合技術還包括基于遺傳算法的模糊控制方法） 等 。近幾年 ，機器人智能控制在理論和應用方面都有較大的進展 。在模糊控制方面 ，J 。 J 。 Buckley 等人論證了模糊系統(tǒng)的逼近特性 ， E. H 。 Mamdan 首次將模糊理論用于一臺實際機器人。模糊系統(tǒng)在機器人的建模、控制 、對柔性臂的控制、模糊補償控制以及移動機器人路徑規(guī)劃等各個領域都得到了廣泛的應用。在機器人神經(jīng)網(wǎng)絡控制方面 ，CMCA （ Cere-bella Model Controller Articulation） 是應用較早的一種控制方法 ， 其最大特點是實時性強， 尤其適用于多自由度操作臂的控制 。智能控制方法提高了機器人的速度及精度 ， 但是也有其自身的局限性， 例如機器人模糊控制中的規(guī)則庫如果很龐大， 推理過程的時間就會過長; 如果規(guī)則庫很簡單 ，控制的精確性又會受到限制 ; 無論是模糊控制還是變結構控制 ，抖振現(xiàn)象都會存在 ，這將給控制帶來嚴重的影響 ; 神經(jīng)網(wǎng)絡的隱層數(shù)量和隱層內(nèi)神經(jīng)元數(shù)的合理確定仍是目前神經(jīng)網(wǎng)絡在控制方面所遇到的問題，另外神經(jīng)網(wǎng)絡易陷于局部極小值等問題 ，都是智能控制設計中要解決的問題 。

　　人機接口技術

　　智能機器人的研究目標并不是完全取代人 ，復雜的智能機器人系統(tǒng)僅僅依靠計算機來控制目前是有一定困難的， 即使可以做到 ，也由于缺乏對環(huán)境的適應能力而并不實用 。智能機器人系統(tǒng)還不能完全排斥人的作用， 而是需要借助人機協(xié)調(diào)來實現(xiàn)系統(tǒng)控制。因此， 設計良好的人機接口就成為智能機器人研究的重點問題之一 。人機接口技術是研究如何使人方便自然地與計算機交流 。為了實現(xiàn)這一目標， 除了最基本的要求機器人控制器有 1 個友好的、靈活方便的人機界面之外， 還要求計算機能夠看懂文字、聽懂語言、說話表達， 甚至能夠進行不同語言之間的翻譯， 而這些功能的實現(xiàn)又依賴于知識表示方法的研究 。因此， 研究人機接口技術既有巨大的應用價值， 又有基礎理論意義。目前， 人機接口技術已經(jīng)取得了顯著成果 ，文字識別 、語音合成與識別 、圖像識別與處理 、機器翻譯等技術已經(jīng)開始實用化。另外， 人機接口裝置和交互技術、監(jiān)控技術、遠程操作技術、通訊技術等也是人機接口技術的重要組成部分， 其中遠程操作技術是一個重要的研究方向 。

　　盤點世界上最先進的5個機器人

　　隨著人類的發(fā)展，機器人越來越能體現(xiàn)一個國家的綜合能力和實力，機器人不僅幫助人類探索宇宙和軍師作戰(zhàn)，還能夠代替人類進行高危工作！所以很多國家都在緊張的進行著機器人的研究。那到現(xiàn)在為止，世界上最先進的5個機器人，都有哪些呢？你又知道哪個呢？

　　1、Atlas

　　Atlas是由波士頓動力公司為美軍所開發(fā)的機器人，是世界上公認最先進的機器人，不僅可以像人類一樣行走，還可以提取東西，最重要的是可以進行惡劣的地下作業(yè)。

　　2、Asimo

　　Asimo是日本豐田公司研制的機器人，不僅可以快速行走，還可以跳舞，感知聲音，行為識別面部表情。

　　3、RoboThespian

　　這個機器人如真人大小，總是出現(xiàn)在博物館等公眾場合，不僅可以互動，而且還會多種語言與人類交流。

　　4、OceanOne

　　它是由斯坦福大學所開發(fā)的水下機器人，可以幫助人類探索海底世界，不僅可以感受物體，而且還可以輕拿輕放使物體不被損壞。

　　5、Romeo

　　這是由法國所制造的機器人，可以幫助人類照顧缺乏自理能力的人！

　　看到這些先進的機器人，是不是在感嘆人類的聰明智慧呢？那這5個機器人，你都知道哪個呢？