機(jī)器人應(yīng)用技術(shù)論文(2)
機(jī)器人應(yīng)用技術(shù)論文
機(jī)器人應(yīng)用技術(shù)論文篇二
人工智能技術(shù)在足球機(jī)器人中的應(yīng)用
摘要： 人工智能研究的一個(gè)重要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。隨著人工智能理論與技術(shù)的發(fā)展，以及其在機(jī)器人領(lǐng)域中的應(yīng)用，機(jī)器人的智能化水平得到了大幅度的提高。本文分析了國內(nèi)外人工智能的研究現(xiàn)狀，闡述了足球機(jī)器人及人工智能中的關(guān)鍵技術(shù)。用專家系統(tǒng)技術(shù)進(jìn)行不同層次的機(jī)器人路徑規(guī)劃，隨著遺傳算法、蟻群算法等的具體應(yīng)用，獲得了較為理想的路徑搜索效率，達(dá)到了較好的規(guī)劃效果。引入人工神經(jīng)網(wǎng)絡(luò)對(duì)足球機(jī)器人目標(biāo)物空間位置進(jìn)行精確測量，從而較好地實(shí)現(xiàn)了機(jī)器人導(dǎo)航中的目標(biāo)定位與軌跡追蹤。
關(guān)鍵詞： 人工智能 足球機(jī)器人 人工神經(jīng)網(wǎng)絡(luò) 智能控制
引言
足球機(jī)器人系統(tǒng)是一個(gè)典型的多智能體系統(tǒng)和分布式人工智能系統(tǒng)，涉及機(jī)器人學(xué)、計(jì)算機(jī)視覺[1]、模式識(shí)別、多智能體系統(tǒng)[2]、人工神經(jīng)網(wǎng)絡(luò)[3]等領(lǐng)域，而且它為人工智能理論研究及多種技術(shù)的集成應(yīng)用提供了良好的實(shí)驗(yàn)平臺(tái)。機(jī)器人球隊(duì)與人類足球一樣，它的勝負(fù)不但取決于機(jī)器人本身的性能，而且取決于比賽策略，只有將可靠的硬件與先進(jìn)的策略結(jié)合才能取勝。人工智能技術(shù)在足球機(jī)器人的平臺(tái)上有著重要的作用。從機(jī)器人的外觀到機(jī)器人最重要的核心部分——控制、決策，都無不起著重要的作用。專家系統(tǒng)[4]、人工神經(jīng)網(wǎng)絡(luò)在機(jī)器人的路徑規(guī)劃[5]上得到充分的應(yīng)用。
1.人工智能研究現(xiàn)狀
人工智能[6-8]是一門研究人類智能機(jī)理，以及如何用計(jì)算機(jī)模擬人類智能活動(dòng)的學(xué)科，該領(lǐng)域的研究包括機(jī)器人、語言識(shí)別[9]、圖像識(shí)別、自然語言處理和專家系統(tǒng)等，涉及數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。人工智能學(xué)科研究的主要內(nèi)容包括：知識(shí)表示[10][11]、自動(dòng)推理和搜索方法、機(jī)器學(xué)習(xí)和知識(shí)獲取、知識(shí)處理系統(tǒng)、自然語言理解、計(jì)算機(jī)視覺、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)等方面。
幾乎所有的編程語言均可用于解決人工智能算法，但從編程的便捷性和運(yùn)行效率考慮，最好選用“人工智能語言”[12]。常用的人工智能語言有傳統(tǒng)的函數(shù)型語言Lisp、邏輯型語言Prolog及面向?qū)ο笳Z言Smalltalk、VC++及VB等，Math-Works公司推出的高性能數(shù)值計(jì)算可視化軟件Matlab中包含神經(jīng)網(wǎng)絡(luò)工具箱，提供了許多Matlab函數(shù)。另外，還有多種系統(tǒng)工具用于開發(fā)特定領(lǐng)域的專家系統(tǒng)，如INSIGHT、GURU、CLIPS、ART等。這些實(shí)用工具為開發(fā)人工智能應(yīng)用程序提供了便利條件，使人工智能越來越方便地運(yùn)用于各種領(lǐng)域。
智能機(jī)器人是信息技術(shù)和人工智能等學(xué)科的綜合試驗(yàn)場，可以全面檢驗(yàn)信息技術(shù)和人工智能等各領(lǐng)域的成果，以及它們之間的相互關(guān)系。人工智能技術(shù)中的視覺、傳感融合、行為決策、知識(shí)處理等技術(shù)，需要使無線通訊、智能控制、機(jī)電儀一體化、計(jì)算機(jī)仿真等許多關(guān)鍵技術(shù)有機(jī)、高效地集成統(tǒng)一。人們?cè)诤芏囝I(lǐng)域都成功地實(shí)現(xiàn)了人工智能：自主規(guī)劃和調(diào)度、博弈、自主控制、診斷、后勤規(guī)劃、機(jī)器人技術(shù)、語言理解和問題求解等。
2.人工智能主要研究領(lǐng)域
人工智能的研究領(lǐng)域非常廣泛，而且涉及的學(xué)科非常多。目前，人工智能的主要研究領(lǐng)域包括：專家系統(tǒng)、機(jī)器學(xué)習(xí)、模式識(shí)別、自然語言理解、自動(dòng)定理證明、自動(dòng)程序設(shè)計(jì)、機(jī)器人學(xué)、智能決策支持系統(tǒng)及人工神經(jīng)網(wǎng)絡(luò)等。下面主要介紹在足球機(jī)器人設(shè)計(jì)、制造、控制等過程中常用的人工智能技術(shù)[13]。
2.1專家系統(tǒng)
專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，是一個(gè)具有大量專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識(shí)和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題。專家系統(tǒng)一般具有如下基本特征：具有專家水平的專門知識(shí);能進(jìn)行有效的推理;具有獲取知識(shí)的能力;具有靈活性;具有透明性;具有交互性;具有實(shí)用性;具有一定的復(fù)雜性及難度。
2.2人工神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元互聯(lián)組成的非線性、自適應(yīng)信息處理系統(tǒng)，采用了與傳統(tǒng)人工智能和信息處理技術(shù)完全不同的機(jī)理，克服了傳統(tǒng)的基于邏輯符號(hào)的人工智能在處理直覺、非結(jié)構(gòu)化信息方面的缺陷，具有自適應(yīng)、自組織和實(shí)時(shí)學(xué)習(xí)的特點(diǎn)。神經(jīng)網(wǎng)絡(luò)在很多領(lǐng)域已得到了很好的應(yīng)用，但其需要研究的方面還很多。其中，具有分布存儲(chǔ)、并行處理、自學(xué)習(xí)、自組織和非線性映射等優(yōu)點(diǎn)的神經(jīng)網(wǎng)絡(luò)與其他技術(shù)的結(jié)合，以及由此而來的混合方法和混合系統(tǒng)，已經(jīng)成為一大研究熱點(diǎn)。由于其他方法也有優(yōu)點(diǎn)，因此將神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合，取長補(bǔ)短，可以達(dá)到更好的應(yīng)用效果。目前這方面工作有神經(jīng)網(wǎng)絡(luò)與模糊邏輯、專家系統(tǒng)、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據(jù)理論和灰色系統(tǒng)等的融合。
2.3圖像處理
圖像處理是用計(jì)算機(jī)對(duì)圖像進(jìn)行分析，達(dá)到所需結(jié)果，又稱影像處理。圖像處理技術(shù)主要包括圖像壓縮，增強(qiáng)和復(fù)原，匹配、描述和識(shí)別三個(gè)部分。常見的處理有圖像數(shù)字化、圖像編碼、圖像增強(qiáng)、圖像復(fù)原、圖像分割和圖像分析等。數(shù)字圖像處理中的模式識(shí)別技術(shù)，可以對(duì)人眼無法識(shí)別的圖像進(jìn)行分類處理，可以快速準(zhǔn)確地檢索、匹配和識(shí)別出各種東西，在日常生活各方面和軍事上用途較大。
3.人工智能在足球機(jī)器人中的應(yīng)用
3.1基于專家系統(tǒng)的足球機(jī)器人規(guī)劃
路徑規(guī)劃或避碰問題是足球機(jī)器人比賽中的一個(gè)重要環(huán)節(jié)。根據(jù)工作環(huán)境，路徑規(guī)劃模型可分為基于模型的全局路徑規(guī)劃和基于傳感器的局部路徑規(guī)劃。全局路徑規(guī)劃的主要方法有：可視圖法、自由空間法、最優(yōu)控制法、柵格法、拓?fù)浞?、切線圖法、神經(jīng)網(wǎng)絡(luò)法等。局部路徑規(guī)劃的主要方法有：人工勢場法、模糊邏輯算法、神經(jīng)網(wǎng)絡(luò)法、遺傳算法[14]等。機(jī)器人規(guī)劃專家系統(tǒng)是用專家系統(tǒng)的結(jié)構(gòu)和技術(shù)建立起來的機(jī)器人規(guī)劃系統(tǒng)。大多數(shù)成功的專家系統(tǒng)都是以基于規(guī)則系統(tǒng)的結(jié)構(gòu)來模仿人類的綜合機(jī)理的。它由五部分組成：知識(shí)庫、控制策略、推理機(jī)、知識(shí)獲取、解釋與說明。隨著人工智能計(jì)算智能與進(jìn)化算法研究的逐步發(fā)展，遺傳算法、蟻群算法等的提出，機(jī)器人路徑規(guī)劃問題得到了相應(yīng)發(fā)展。尤其是通過遺傳算法在路徑規(guī)劃中的應(yīng)用，機(jī)器人更加智能化，其運(yùn)行路徑更加逼近理想的優(yōu)化要求。以動(dòng)態(tài)、未知環(huán)境下的機(jī)器人路徑規(guī)劃為研究背景，利用遺傳算法采用了基于路點(diǎn)坐標(biāo)值的可變長染色體編碼方式，構(gòu)造了包含障礙物排斥子函數(shù)項(xiàng)的代價(jià)函數(shù)，使得路徑規(guī)劃中的地圖信息被成功引入到了遺傳操作的實(shí)現(xiàn)過程中。同時(shí)針對(duì)路徑規(guī)劃問題的具體應(yīng)用，改進(jìn)了交叉和變異兩種遺傳算子，獲得了較為理想的路徑搜索效率，達(dá)到了較好的移動(dòng)機(jī)器人路徑規(guī)劃效果。 3.2人工神經(jīng)網(wǎng)絡(luò)在機(jī)器人定導(dǎo)航中的應(yīng)用
人工神經(jīng)網(wǎng)絡(luò)是一種仿效生物神經(jīng)系統(tǒng)的信息處理方法，其優(yōu)點(diǎn)主要體現(xiàn)在它可以處理難以用模型或規(guī)則描述的過程和系統(tǒng);對(duì)非線性系統(tǒng)具有統(tǒng)一的描述;有較強(qiáng)的信息融合能力。因此在移動(dòng)機(jī)器人定位與導(dǎo)航方面，基于神經(jīng)網(wǎng)絡(luò)的多傳感器信息融合正是利用了神經(jīng)網(wǎng)絡(luò)的這些特性，將機(jī)器人外部傳感器的傳感數(shù)據(jù)信息作為神經(jīng)網(wǎng)絡(luò)的輸入處理對(duì)象，從而獲得移動(dòng)機(jī)器人自身位置與對(duì)障礙物比較精確的估計(jì)，實(shí)現(xiàn)移動(dòng)機(jī)器人的避障與自定位。
結(jié)語
隨著人工智能技術(shù)的進(jìn)一步研究，足球機(jī)器人競賽水平將不斷提高。但就目前情況來看，在現(xiàn)有的基礎(chǔ)上擴(kuò)大應(yīng)用的范圍，增強(qiáng)應(yīng)用的效果，還應(yīng)主要在人工智能技術(shù)上做進(jìn)一步的研究。專家系統(tǒng)在專家知識(shí)的總結(jié)、表述及不確定的情況下推理是目前專家系統(tǒng)的瓶頸所在。制造生產(chǎn)的多變復(fù)雜性及操作的人工經(jīng)驗(yàn)性，使人工智能的應(yīng)用受到限制。此外，一些工藝參數(shù)的定量化實(shí)現(xiàn)也不易。隨著技術(shù)的飛速發(fā)展，人工智能技術(shù)也在進(jìn)一步完善，如多種方法混合技術(shù)、多專家系統(tǒng)技術(shù)、機(jī)器學(xué)習(xí)方法、并行分布處理技術(shù)等。隨著新型人工智能技術(shù)的出現(xiàn)，制造業(yè)將會(huì)更加光明，性能更加優(yōu)越的足球機(jī)器人也不再遙遠(yuǎn)。
參考文獻(xiàn)：
[1]鄭南寧.計(jì)算機(jī)視覺與模式識(shí)別[M].北京-國防工業(yè)出版社，1998.3.
[2]Wang Hongbing Fan Zhihua She Chundong Formal Specification of Role Assignment for Open Multi Agent System Chinese of Journal Electronics[J].2007，16(2)：212-216.
[3]LIMING ZHANG AND FANJI GU NEURAL INFORMATION PROCESSING VOLUME 1[M]Fudan University Press， 2001.
[4]Cai Zixing，King-Sun Fu. Expert-System-Based Robot Planning ?Control Theory & Applications[J] .1988(2)： 35-42.
[5]張銳，吳成東.機(jī)器人智能控制研究進(jìn)展[J].沈陽建筑工程學(xué)院學(xué)報(bào)(自然科學(xué)版)，2003，19(1)：61-64.
[6]蔡自興，徐光祐.人工智能機(jī)器應(yīng)用(第三版)清華大學(xué)出版社，2004.
[7]艾輝.謝康寧，謝百治.談人工智能技術(shù)[J]中國醫(yī)學(xué)教育技術(shù)，2004，18(2)：78-80.
[8]Nilsson NJ.Artificial Intelligence：A New Synthesis[M].Beijing：China Machine Press，2006：72-95.
[9]Han Jiqing Gao Wen Robust Speech Recognition Method Based on Discriminative Environment Feature Extraction Journal of Computer Science and Technology[J]. 2001;16(5)：458-464.
[10]Tang Zhijie Yang Baoan Zhang Kejing Design of Multi-attribute Knowledge Base Based on Hybrid Knowledge Representation Journal of Donghua University 2006，23(6)：62-66.
[11]Hu Xiangpei Wang Xuyin Knowledge representation and rule——based solution system for dynamic programming model Journal of Harbin Institute of Technology 2003，10(2)：190-194.
[12]姚根.人工智能的概況及實(shí)現(xiàn)方法[J] .2009，28(3)：108.
[13]張妮，徐文尚.王文文人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].煤礦機(jī)械2009，30(2)：4-7.
[14]劉祚時(shí)，胡翠娜.基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的足球機(jī)器人路徑規(guī)劃[J].計(jì)算機(jī)應(yīng)用與軟件，2007，24(5)：156-157.
看了“機(jī)器人應(yīng)用技術(shù)論文”的人還看：