机器人控制理论与技术ppt课件

1、机器人控制理论与技术（10,2,生命系统,工程系统,灵活性 多样性 环境适应能力,特殊功能,仿生学研究,3,人工肌肉,Bar-Cohen, WW-EAP newsletter,4,电子激活聚合物（EAP,移動伴水移動応答,5,6,人工肌肉演示（一）Rayrobot_TV_Aichi,7,人工肌肉演示（二）Rayrobot_ver1,8,人工肌肉演示（四）WWEAP,9,VR在机器人遥操作中的应用,teleoperation,10,遥操作结构,Internet,11,仅位置信息,12,位置+力反馈,达芬奇手术系统,14,人工智能在机器人中的应用,使机器人更好用，更有用，以扩大和延伸人类智能； 信

2、息化社会的迫切要求； 自动化发展的必然趋势； 有益于探索人类自身智能的奥秘,15,人工智能的发展（一,Bellman, 1978 人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自动化。 Haugeland, 1985 人工智能是一种计算机能够思维，使机器具有智力的激动人心的新尝试。 Rich Knight,1991 人工智能是研究如何让计算机做现阶段只有人才能做得好的事情,16,人工智能的发展（二,Winston, 1992 人工智能是那些使知觉、推理和行为成为可能的计算的研究。 Nilsson，1998 人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流和

3、在复杂环境中的行为。 Stuart Russell、Peter Norvig，2003 把已有的一些人工智能定义分为4类：像人一样思考的系统、像人一样行动的系统、理性地思考的系统、理性地行动的系统,17,图灵测试Turing Test,Alan Turing,18,强、弱人工智能,强人工智能观点认为有可能制造出真正能推理和解决问题的智能机器，并且这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类： 类人的人工智能，即机器的思考和推理就像人的思维一样。 非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。 弱人工智能观点认为不可能制造出能真正地

4、推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识,19,中文屋子Chinese room,John Searle,20,脑智能和群智能,脑（主要指人脑）的宏观心理层次的智能表现称为脑智能（Brain Intelligence, BI）。 由群体行为所表现出的智能称为群智能（Swarm Intelligence, SI）。 脑智能和群智能是属于不同层次的智能： 脑智能是一种个体智能（Individual Intelligence, II）； 群智能是一种社会智能（Social Intelligence, SI）， 或者说系统智能（System In

5、telligence, SI,21,符号智能和计算智能,符号智能是以知识为基础，通过推理进行问题求解。也即所谓的传统人工智能。 计算智能是以数据为基础，通过训练建立联系，进行问题求解,22,符号智能,符号人工智能，它是模拟脑智能的人工智能，也就是所说的传统人工智能或经典人工智能。符号智能以符号形式的知识和信息为基础，主要通过逻辑推理，运用知识进行问题求解。符号智能的主要内容包括： 知识获取（knowledge acquisition） 知识表示（knowledge representation） 知识组织与管理和知识运用等技术,23,计算智能,计算智能就是计算人工智能，它是模拟群智能的人工智能

6、。计算智能以数值数据为基础，主要通过数值计算，运用算法进行问题求解。 计算智能的主要内容包括： 神经计算（Neural Computation， NC）、 进化计算（Evolutionary Computation）、 免疫计算（immune computation）、 粒群计算（Particle Swarm Algorithm）、 蚁群算法（Ant Colony Algorithm，ACA） 自然计算（Natural Computation，NC） 人工生命（Artificial Life，AL,24,课程回顾（一,机器人发展的三个阶段 第一代机器人示教复现型机器人 第二代机器人感知机器人

7、第三代机器人智能机器人,25,课程回顾（二,机器人控制结构 分层式体系结构 包容式体系结构 混杂式体系结构,26,课程回顾（三,机器人感知环节 机器人传感器的类型 常用的距离传感器（超声、红外、激光） 视觉传感器（全景，双目） GPS定位系统,27,课程回顾（四,机器人规划环节 三种规划问题的描述（路径、轨迹、运动） 基于栅格地图的路径规划方法（A*算法） 基于连续地图的路径规划方法（Dijkster方法） 人工势场法和BUG法,28,课程回顾（五,机器人规划环节 三种规划问题的描述（路径、轨迹、运动） 基于栅格地图的路径规划方法（A*算法） 基于连续地图的路径规划方法（Dijkster方法） 人工势场法和BUG法,29,课程回顾