機(jī)器人杯是一個推動機(jī)器人基礎(chǔ)科技研究的平臺機(jī)械設(shè)計制造及自動化專業(yè)畢業(yè)設(shè)計外文翻譯(參考版)
2025-01-15 04:43本頁面
【正文】 s thesis, Department of Computer and Information Science, university, March 2022. [8]Hiroaki Y et al (2022), A Distributed Control Scheme for Multiple Robotic Vehicles to Make Group Forma and Autonomous systems,2022, 125 –147. Silvia Coradeschi and Jacek Malec(1999), How to make achallenging AI course enjoyable using the RoboCup soccer simulation system. In RoboCup98:The Second Robot World Cup Soccer Games and Conference, pages 120{124. Springer verlag, 1999. [9]Johan Kummeneje, David , and H_akan L. Younes (1999), UBU – an object oriented RoboCup Team. In Johan Kummeneje and Magnus Boman, editors, Int7 1999 Papers. 1999. [10]Johan Kummeneje (1999), Simulated Robotic Soccer and the Use of Sociology in Real Time Mission Critical Systems. In L. R. Welch and M. W. Masters,editors, Proceedings of RTMCS Workshop, IEEE, December 1999 。99. AgentLink NewsLetter, (4), November 1999. [3]Burkhard H D,et al (2022),The Road to RoboCup 2050. IEEE Robotics amp。 致 謝 ： 本作品獲得了中國博士基金組織的支持 。 每個過程都是越來越抽象越來越模糊的建模工程，直到最終實現(xiàn)自動編程。這個主要目標(biāo)是讓讀者知道更多的關(guān)于 智 能體 系統(tǒng)的知識和引 發(fā) 智能體 導(dǎo)向技術(shù)的快速成熟的原因。這是一個偉大的目標(biāo)。人們不理解為什么機(jī)器人的智 力 還 趕 不上個孩子。 很明顯我們應(yīng)更加注重創(chuàng)新，機(jī)器人杯包含人工生命、能源、動力、材料等學(xué)科的發(fā)展，同樣它也孕育著機(jī)械、電子、控制、信息和電腦等與機(jī)器 人相關(guān)的學(xué)科的重大突破?，F(xiàn)在我們應(yīng)該明白， 在 50 年后， 我們在“人類和機(jī)器之間的比賽”面前 將不會 說不。 但 是回望歷史，過去有太多的我們先人無法想象的科學(xué)成就不是嗎？ 50 年內(nèi)人們將會 對 科學(xué)發(fā)展 產(chǎn)生新的認(rèn)識 。當(dāng)然 智能體 會選擇行為，而不會選擇狀態(tài)。通過學(xué)習(xí)評價功能，一個 智能體 獲得最基本的策略。所以很難通過學(xué)習(xí)得到最好的∏ :S→ A 策略。在不同的強(qiáng)化學(xué)習(xí)中， U 和 V 有一些不同點(diǎn)。一個強(qiáng)化學(xué)習(xí)的總體結(jié)構(gòu)如下所示： (1) 初始化學(xué)習(xí)固有狀態(tài) 作 為 Io (2) 循環(huán) 觀察當(dāng)前狀態(tài) S 應(yīng)用 評價功能 V 去選擇一個動作 A=V(I,S) 執(zhí)行動作 A 讓 R 作為在狀態(tài) S 下執(zhí)行 A 的直接獎勵 應(yīng)用更新功能更新固有狀態(tài) I=U（ I， S， A， R） 通常固有狀態(tài)將會通過存儲好的學(xué)習(xí)算法 計算并 用狀態(tài)表和行為數(shù)據(jù)的方式編碼。由于環(huán)境模型模擬了模型行為，所以應(yīng)用這樣一個模型 智能體 可以預(yù)見環(huán)境將會對 智能體 的行為做出什么樣的反應(yīng)。獎勵決定最直接的對環(huán)境的本質(zhì)需求。它定義了一個可感知的環(huán)境狀態(tài)（或是狀態(tài) 動作對）作為一個值，這個值是機(jī)器人對狀態(tài)的本質(zhì)需求，也就是獎勵。 如圖 9 所示，除 智能體 和環(huán)境外，仍有四個重要的部分，包括策略 功能、獎勵功能、還有評價功能和選擇性的環(huán)境模擬功能，策略學(xué)習(xí)是根據(jù) 己 觀察到的狀態(tài)定制出下一個狀態(tài)要執(zhí)行的動作。然后球員的任務(wù)就是去設(shè)計一個策略，使踢球效果達(dá)到最好，也就是說同時控制球并踢好球。在這個游戲里，每個 智能體 的行為如踢，沖，轉(zhuǎn)等不僅是一些底層的策略，這些同樣也是比賽中的關(guān)鍵問題。這個規(guī)則可以使獎勵的期望和最大。如果的 St 狀態(tài)下執(zhí)行任務(wù) At，那么 智能體 得到一個 Rt 的反饋，這個 Rt 是狀態(tài) 行動轉(zhuǎn)化后的一個直接結(jié)果。強(qiáng)化學(xué)習(xí)的機(jī)制如圖 9 所示。在許多學(xué)習(xí)方法中，強(qiáng)化學(xué)習(xí)法有望解決能感知環(huán)境的自律機(jī)器人智能體 怎樣選擇進(jìn)球最佳方案的問題。解決的辦法是確定背景的信息的接收使得雙方具有共同的信息。解決這個問題的過程涉及到復(fù)雜的發(fā)送方與接收方對內(nèi)容的推理。解決這個問題的辦法是讓接收方知道他或她的位 置。也就是說詞語可以用不同的方式組合起來，這種歧義叫做句子結(jié)構(gòu)的歧義。要解決這個問題，需要很多附加的知識和一個句子的上下文。這包括 許多方面 : (1) 字的歧義 同樣的字可能有許多不同的意思，比如“ Tom is hot”這句話不僅可以表示“ Tom工作做得很好”，同樣也可以表示“ Tom 很熱”。用人類語言的人能通過知識資源來區(qū)分具有不同含義的字和詞組 所要表達(dá)的真正含義。并且預(yù)定義將會對正確發(fā)送信息起到幫助作用 ， 并且使得信息接收方能夠正確的理解接收的通話。盡管這只是做了很少的節(jié)約，但是大量的節(jié)約加起來就提高了效率。如果信息接收方理解了第一句話“ Tom 離開了家”，那么它就會認(rèn)為第二句中的“他”指的是 Tom。 首先是利用背景信息。 計算機(jī)不能夠理解人類語言的一個重要原因是它需要很多知識資源，如果信息發(fā)送方能夠了解信息接收方的情況，它將會發(fā)出更多的長度短內(nèi)容少的信息。 MAS 的通訊技術(shù) MAS 研究中的通訊技術(shù)同樣是一個非常 重要的問題，它可以決定 智能體 通訊的優(yōu)勢和缺陷。如果 P 是一個集體目標(biāo) ，那么 (C 是集體 )： －每個 智能體 I 把 P 當(dāng)做自己的目標(biāo)； －每個在 C 中的成員有意識的與其他成員共同完成這個目標(biāo)； — 每一個球員把 P 當(dāng)做目標(biāo)，因為它們相互信任； －他們信任對方，所以如果 智能體 I 達(dá)到了目標(biāo) P，則其他成員認(rèn)為自己也達(dá)到了目標(biāo)。 作為一種隱性方法，集體目標(biāo)不僅可以用來降低成本，同時也可以用來嵌入MAS 集體 行為并平衡個體和集體的獲益。 協(xié)作法可以被分為如圖８所示的幾種方法?，F(xiàn)在 MAS 群體性研究者已經(jīng)取得了一部分成就。在 MAS 中協(xié)作和控制問題實際上是有 智能體 的群體行為 (群體行為概念是意味著在群體活動中，發(fā)起行為的個體將會從與其他個體交換資源的過程中受益，盡管這些資源對它來說并不是重要的 )引發(fā)的。如果可以被恰當(dāng)?shù)亟鉀Q，那將會給 MAS 帶來很多好處比如：降低協(xié)調(diào)的花費(fèi) ； 加快整個系
試題試卷相關(guān)推薦
鄂ICP備17016276號-1