人工智能(存儲版)
【正文】 化學習等，無監(jiān)督學習在往往在先驗知識的基礎(chǔ)上預測未來結(jié)果。因此MAS對多機器人學的發(fā)展有巨大的借鑒作用。劉艷梅等人采用人工神經(jīng)網(wǎng)絡(luò)有效解決了這一問題。通過在線性系統(tǒng)辨識確定的動態(tài)數(shù)學模型將隨著負載和機器人位姿的變化而不斷變化，巨大的計算量使得該方法根本無法應(yīng)用到實際中去。還有人采用專家系統(tǒng)來決定系統(tǒng)辨識模型，選擇故障診斷工具等。同時針對路徑規(guī)劃問題的具體應(yīng)用，改進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，實現(xiàn)了較好的移動機器人路徑規(guī)劃效果。因此，人工智能領(lǐng)域進一步的突破可能在于賦予機器情感能力。【3】豪自興?！?】曹愛光，石星光，劉鳳，等機器人足球顏色分類研究【J】.濟南大學學報?！?0】王濤，魯涂?！?】劉艷梅，董再勵，孫美香，等。機器人智能控制方法研究及控制器設(shè)計【J】.機械工程師。人工智能【M】.北京：清華大學出版社。另外，相關(guān)研究表明未來人工智能可能會向模糊處理，并行化和機器情感等方面的發(fā)展。 隨著人工智能計算智能與進化算法研究的逐步發(fā)展，遺傳算法，蟻群算法的提出，機器人路徑規(guī)劃問題也得到了相應(yīng)發(fā)展，尤其是通過遺傳算法在路徑規(guī)劃中的應(yīng)用，使得機器人更加智能化，其運行路徑也更加逼近理想的優(yōu)化要求。即便如此，也很難講所有情況都考慮進去，因此，專家系統(tǒng)與常規(guī)控制相結(jié)合的控制方法往往會較為實用。果然，大多數(shù)控制方法都建立在合適的數(shù)學模型基礎(chǔ)之上。因此在移動機器人定位與導航方面，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，將機器人的外部傳感器的傳感數(shù)據(jù)信息作為神經(jīng)網(wǎng)絡(luò)的輸入處理對象，從而獲得移動機器人自身位置與對障礙物的比較精確的估計，實現(xiàn)移動機器人的避障與自定位。 多機器人系統(tǒng)（multirobot system,簡稱MRS）是MAS的一個特列，二者之間有著本質(zhì)的聯(lián)系。因此學習能力是機器人系統(tǒng)中個體機器人必須具備的重要能力之一，它為復雜多變環(huán)境下機器人的環(huán)境理解，規(guī)劃與決策等行為提供了有效保障，從而改善整個機器人系統(tǒng)的運行效率。機器學習同時也是使計算機具有智能的根本途徑。機器視覺已經(jīng)從模式識別的一個研究領(lǐng)域發(fā)展為一門獨立的科學，其當前比較具體的目標主要是通過模擬人的視覺，開發(fā)出從圖像輸入到自然景物分析的圖像理解系統(tǒng)。也就是說，模式識別研究的主要內(nèi)容就是讓計算機具有自動獲取外界信息，識別和理解周圍環(huán)境的感知能力。智能機器人和機器人學的研究大大促進了許多人工智能思想和技術(shù)的發(fā)展。 關(guān)鍵詞；人工智能；機器人；智能體中國分類號；TP18 文獻標識碼；A 文獻編號；10090312（2008）03003305人工智能是一門研究人類智能機理以及如何用計算機人類智能活動的科學，其最早的萌芽可追潮到20世紀20年代圖靈（TURING）等人的研究，他們在計算機出現(xiàn)之前，就已經(jīng)預見了將來會有一種具有邏輯思維的機器，1956年在美國Dartmouth大學的專題研討會上Minsky,McCarthy以及Simon和Newell等人分別就如何穿過迷宮，如何搜索推理和如何證明數(shù)學定理等問題進行了深入討論；會上首次使用了“人工智能”（A
外語相關(guān)推薦
鄂ICP備17016276號-1