【正文】 知能力。 機器學習 機器學習是模似人類智能的主要標志和知識獲取的重要途徑，屬于人工智能研究中最突出和最重要的一方面。其中，分布式問題求解把一個具體的求解問題劃分為多個相互合作和知識共享的模塊，MAS系統(tǒng)則研究各Agent之間智能行為的協(xié)調(diào)，包括規(guī)則，知識，技術(shù)和動作的協(xié)調(diào)。 專家系統(tǒng)在機器人控制中的應用在過去的幾年中，機器人控制理論得到了極大地發(fā)展，并取得了豐碩的成果。很多學者對路徑規(guī)劃做了大量的研究并提出了一些方法。 參考文獻【1】Nilsson Intewgensdede: A New synthesis[M].beijing:China Machine press,2006:7295.【2】 崔良知，趙永昌。2004,19（3）；241246。（3）；239241。4結(jié)束語隨著人工智能理論和技術(shù)研究的不斷深入，很多人工智能研究成果已經(jīng)逐步進入人們的日常生活。圖2是專家系統(tǒng)與普通控制器相結(jié)合的機器人控制方式。利用人工神經(jīng)網(wǎng)絡直接學習機器人攝像機所觀測到的圖像信息與三維世界坐標信息（x,y,z），得出二者之間的關(guān)系。目前，這兩種學習方法在智能機器人領域中都得到了廣泛應用。機器人視覺系統(tǒng)可以理解為一種以實現(xiàn)對機器人的控制，操作和制導為目的而進行的圖像自動獲取與理解分析的系統(tǒng)。目前，人工智能的主要研究領域包括：問題求解，邏輯推理與定理證明，自然語言理解，自動程序設計，專家系統(tǒng)，機器學習，人工神經(jīng)網(wǎng)絡，模式識別，機器視覺，智能控制與決策，智能檢索，智能調(diào)度與指揮。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。機器視覺已經(jīng)從模式識別的一個研究領域發(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)。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。因此在移動機器人定位與導航方面，基于神經(jīng)網(wǎng)絡的多傳感器信息融合正是利用了神經(jīng)網(wǎng)絡的這些特性，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。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。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。機器人智能控制方法研究及控制器設計【J】.機械工程師?！?0】王濤，魯涂?！?】豪自興。同時針對路徑規(guī)劃問題的具體應用，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。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用到實際中去。因此MAS對多機器人學的發(fā)展有巨大的借鑒作用?！贝送?，機器學習還有助于發(fā)現(xiàn)人類學習的機機理和揭示