隨著社會(huì)發(fā)展的需要和機(jī)器人應(yīng)用領(lǐng)域的擴(kuò)大,人們對(duì)智能機(jī)器人的要求也越來越高。智能機(jī)器人所處的環(huán)境往往是未知的、難以預(yù)測(cè)的 ,在研究這類機(jī)器人的過程中, 主要涉及到那些關(guān)鍵技術(shù)呢？

  1.多傳感器信息融合

    多傳感器信息融合技術(shù)是近年來十分熱門的研究課題, 它與控制理論、信號(hào)處理、人工智能、概率和統(tǒng)計(jì)相結(jié)合 , 為機(jī)器人在各種復(fù)雜、動(dòng)態(tài)、不確定和未知的環(huán)境中執(zhí)行任務(wù)提供了 1 種技術(shù)解決途徑。機(jī)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(cè)量傳感器和外部測(cè)量傳感器兩大類。內(nèi)部測(cè)量傳感器用來檢測(cè)機(jī)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(cè)量、認(rèn)識(shí)傳感器)、觸覺(接觸、壓覺 、滑動(dòng)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(gè)傳感器的感知數(shù)據(jù), 以產(chǎn)生更可靠 、更準(zhǔn)確或更的信息。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(cè)對(duì)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(bǔ)性、實(shí)時(shí)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(jì)、Dempster-Shafer 理論、卡爾曼濾波 、神經(jīng)網(wǎng)絡(luò) 、小波變換等

  2.導(dǎo)航與定位

    在機(jī)器人系統(tǒng)中 ,自主導(dǎo)航是一項(xiàng)核心技術(shù) , 是機(jī)器人研究領(lǐng)域的一直在改變的地方。導(dǎo)航的基本任務(wù)有 3 點(diǎn):

( 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(shí)別人為路標(biāo)或具體的實(shí)物 ,以完成對(duì)機(jī)器人的定位 ,為路徑規(guī)劃提供素材;

( 2)目標(biāo)識(shí)別和障礙物檢測(cè): 實(shí)時(shí)對(duì)障礙物或特定目標(biāo)進(jìn)行檢測(cè)和識(shí)別 ,提高控制系統(tǒng)的穩(wěn)定性; 

( 3)保護(hù): 能對(duì)機(jī)器人工作環(huán)境中出現(xiàn)的障礙和移動(dòng)物體作出分析并避免對(duì)機(jī)器人造成的損傷

  3.路徑規(guī)劃

    路徑規(guī)劃技術(shù)是機(jī)器人研究領(lǐng)域的1 個(gè)重要分支 。路徑規(guī)劃就是依據(jù)某個(gè)或某些優(yōu)化準(zhǔn)則( 如工作代價(jià) 、行走路線最短、行走時(shí)間最短等),在機(jī)器人工作空間中找到 1 條從起始狀態(tài)到目標(biāo)狀態(tài)、可以避開障礙物的路徑

  4.機(jī)器人視覺

    視覺系統(tǒng)是自主機(jī)器人的重要組成部分,一般由攝像機(jī)、圖像采集卡和計(jì)算機(jī)組成。機(jī)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(wù)是特征提取 、圖像分割和圖像辨識(shí) 。而如何精確效率高的處理視覺信息是視覺系統(tǒng)的關(guān)鍵問題。目前視覺信息處理逐步細(xì)化, 包括視覺信息的壓縮和濾波、環(huán)境和障礙物檢測(cè) 、特定環(huán)境標(biāo)志的識(shí)別、三維信息感知與處理等。其中環(huán)境和障礙物檢測(cè)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(duì)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(duì)于需要在運(yùn)動(dòng)中處理圖像的移動(dòng)機(jī)器人而言,難以滿足實(shí)時(shí)性的要求。為此人們提出 1種基于計(jì)算智能的圖像邊沿抽取方法, 如基于神經(jīng)網(wǎng)絡(luò)的方法 、利用模糊推理規(guī)則的方法, 特別是 Bezdek J .C 老師近期的論述了利用模糊邏輯推理進(jìn)行圖像邊沿抽取的意義。這種方法具體到視覺導(dǎo)航, 就是將機(jī)器人在室外運(yùn)動(dòng)時(shí)所需要的道路知識(shí), 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(shí)別效率和魯棒性 。還有人提出將遺傳算法與模糊邏輯相結(jié)合

  5.智能控制

    隨著機(jī)器人技術(shù)的發(fā)展, 對(duì)于無法精確解析建模的物理對(duì)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(diǎn) ,近年來許多學(xué)者提出了各種不同的機(jī)器人智能控制系統(tǒng)。機(jī)器人的智能控制方法有模糊控制 、神經(jīng)網(wǎng)絡(luò)控制 、智能控制技術(shù)的融合( 模糊控制和變結(jié)構(gòu)控制的融合 ; 神經(jīng)網(wǎng)絡(luò)和變結(jié)構(gòu)控制的融合; 模糊控制和神經(jīng)網(wǎng)絡(luò)控制的融合 ; 智能融合技術(shù)還包括基于遺傳算法的模糊控制方法) 等

    人機(jī)接口技術(shù)

智能機(jī)器人的研究目標(biāo)并不是完全取代人 ,復(fù)雜的智能機(jī)器人系統(tǒng)僅僅依靠計(jì)算機(jī)來控制目前是有一定困難的, 即使可以做到 ,也由于缺乏對(duì)環(huán)境的適應(yīng)能力而并不實(shí)用 。智能機(jī)器人系統(tǒng)還不能完全排斥人的作用, 而是需要借助人機(jī)協(xié)調(diào)來實(shí)現(xiàn)系統(tǒng)控制。因此, 設(shè)計(jì)良好的人機(jī)接口就成為智能機(jī)器人研究的問題之一

    智能機(jī)器人作為一種包含相當(dāng)多學(xué)科知識(shí)的技術(shù),幾乎是伴隨著人工智能所產(chǎn)生的。而智能機(jī)器人在當(dāng)今社會(huì)變得越來越重要，越來越多的領(lǐng)域和崗位都需要智能機(jī)器人參與、這使得智能機(jī)器人的研究也越來越頻繁。雖然我們現(xiàn)在仍很難在生活中見到智能機(jī)器人的影子。但在不久的將來，隨著智能機(jī)器人技術(shù)的不斷發(fā)展和成熟。隨著眾多科研人員的不懈努力，智能機(jī)器人必將走進(jìn)千家萬戶。更好的服務(wù)人們的生活，讓人們的生活更加舒適和健康。