<cite id="3ejwh"></cite>

  1. <rt id="3ejwh"></rt>
  2. <video id="3ejwh"><menuitem id="3ejwh"><button id="3ejwh"></button></menuitem></video>
  3. <rt id="3ejwh"><meter id="3ejwh"></meter></rt>
    1. <rt id="3ejwh"></rt>

      學術堂首頁 | 文獻求助論文范文 | 論文題目 | 參考文獻 | 開題報告 | 論文格式 | 摘要提綱 | 論文致謝 | 論文查重 | 論文答辯 | 論文發表 | 期刊雜志 | 論文寫作 | 論文PPT
      學術堂專業論文學習平臺您當前的位置:學術堂 > 工程論文 > 機械工程論文

      深度學習方法在智能機器人中的應用

      來源:電子世界 作者:趙楊杰 封曉果
      發布于:2021-03-03 共3237字

        隨著我國人工智能技術水平的提高,人們開始重視高新科技領域的創新發展。智能機器人作為新時代下各行研究人員關注的焦點,在持續探索與優化的過程中,不僅為智能化領域發展提供了全新方向,而且加快了我國未來工業革新發展步伐。本文在了解當前只能機器人的內容和發展情況的基礎上,根據深度學習方法對其應用方向進行分析,并明確了未來的領域發展趨勢。

        1 深度學習方法的應用研究

        最初“深度學習”這一理念來自于人工神經網絡,屬于實現機器學習的一種優秀技術。從本質上講,通過構建包含多項隱層的機器學習架構模型,正確訓練大量數據信息,能獲取更多具有意義的特殊信息,以此為樣本分類與預測提供有效依據。這一過程也是運用深度學習模式來實現初期目標的一種方式,將其與智能機器人研究工作融合到一起,不僅能拓展人們的視野范圍,而且可以為實踐應用提供更多機遇。由于深度學習需要人們了解樣本數據的變化規律和應用層次,所以研究智能機器人的專業工作者可以在學習時得到更多具有深意的聲音、圖像及文字等數據信息。深度學習法的智能機器人在應用中,能讓機器人擁有與人類相近的分析能力,而且可以提高整體設計性能,拓展應用范圍,這也是現階段國內外研究關注的焦點方向。在二十世紀八十年代末期,人們開始運用人工神經網絡的“反向傳播算法”,在多個樣本數據中掌握統計的規律,這樣既能準確預測未知信息,又開啟了“深度學習法”的智能機器人研究工作。

        2 智能機器人的內容與發展

        一般來講,最常應用的智能機器人是由多種復雜結構形成的,且彼此之間相互聯系,共同幫助智能機器人實現所需功能。一方面,傳感部分。其作為智能機器人連接內外環境的重要結構,可以更好掌控自身工作狀態,并將內外環境變化及時反饋給控制系統,科學調節執行系統,確保機器人可以在有效完成工作的同時,提升自身的適應力。另一方面,控制部分。這類智能機器人主要有兩種:一種是集中控制模式,另一種是分散控制模式。前者是指運用一臺機器人控制所有機器人的行為,而后者是指運用多臺計算機對機器人行為進行分層管控。根據當前智能機器人研制道路分析,其主要分為三階段:第一,初期研制的機器人需要提前依據程序進行設定,且只能實施重復工作,沒有智能判斷和優先處理的能力;第二,再次研制的機器人在以往基礎上設計了自動處理和部分感知的功能;第三,現階段的智能機器人不僅擁有自我感知、判斷及適應學習等能力,而且可以在不斷完善中與其他行業結合發展。

        3 深度學習方法的智能機器人的具體應用

        3.1 位姿判斷

        目前針對智能機器人的研究方向主要集中在學習抓取工作上,其中包含位姿判別、智能學習及活動規劃、系統控制等。在特定的目標場景下,機器人在多模特征學習中可以正確判斷出最佳的抓取姿勢,并且在時間延長的情況下依舊可以保障抓取的準確率,不僅是當前我國研究關注的焦點,更是實際應用的主要方向。

        要想運用多模特征深度學習與融合的方式來處理位姿判斷問題,需要從以下幾步入手:第一,依據堆疊降噪自動編碼的方式構建深度網絡模型;第二,結合體感傳感器明確目標和深度多模數據,同時引用融合的方式有效解決深層抽象表達;第三,全面整合機器人與多模特征深度學習模型。這樣不僅能更好完成位姿判斷工作,而且可以根據不同形態或方向選擇正確的抓取姿勢和位置。需要注意的是,在設計過程中構建完善的深度網絡模型能全面提高抓取和判斷的準確率。因此,在構建深度網絡模型時,必須要先處理降噪問題,而后再對訓練數據實施降噪編碼。在具體應用時,要保障機器人在獲取完整場景圖的基礎上,先分離目標,后獲取初始特征,只有這樣才能提高抓取位置和姿勢的有效性。為了更好解決實踐應用中的問題,研究人員提出將特定時間看作t,機器人抓取目標是n,假設特征序列為X(t),那么最終將會有無數種最佳抓取位姿,相應的位置與姿態之間具有某種關系。通過將這類問題轉變為如何求取概率模型的最大化,并運用L層深度學習網絡構建對應的判斷模型,這樣只需要輸入具體數量,就可以得到相應的邏輯關系。

        3.2 工業服務

        隨著人工智能科技水平的不斷提升,現有智能機器人逐漸取代了部分存在危險性的工作內容,這樣不僅為人類日常生活和工作帶來了便利性,而且有效控制了事態嚴重的影響范圍。例如,礦山施工、工程建造及化學材料的研制等,雖然都是促進社會經濟不斷發展的重要行業,但長久工作不管是環境還是技術等都會對人類的身體和精神產生負面影響。相反,結合智能機器人進行實踐工作,既能減少工作問題,提升整體效率,又能避免技術或環境對人類產生不必要的傷害。

        以挖掘工作為例,在研制具備自主工作能力的挖掘機器人時,最重要的是思考如何在控制成本支出的情況下構建完整的環境地圖。一般來講,人們會結合單目視覺傳感器來優化挖掘機器人的視覺系統,這樣不僅能保障其快速得到所處環境的各類信息,而且可以由此為依據進行后續工作。需要注意的是,研究人員要考慮視覺系統中圖像識別的跟蹤與檢測工作,尤其是對圖像而言,一方面要運用灰度化和直方圖均衡化的方式優先做好前期處理工作,另一方面要結合中值濾波處理其中潛藏的噪音,并做好對應的檢測工作。除此之外,還要依據深度學習處理圖像,這樣有助于在自主學習和不斷訓練的基礎上,對圖像進行科學分類,最終確保自編碼系統可以更快掌握圖像邊緣特征。在挖掘機器人解決周邊環境問題后,接下來要優化鏟斗目標檢查和跟蹤的相關問題。其中,“鏟斗目標檢查算法”整合了三幀算法和混合高斯背景建模法,而“鏟斗目標跟蹤算法”是以Kalman濾波和Mean-shift算法為依據的全新計算形式。通過在工業分揀智能機器人中全面融合深度學習,不僅能解決以往識別工作中的問題,而且可以進行準確定位復雜內容,提升整體工作效率。

        3.3 家庭服務

        在社會經濟水平不斷提高,家居生活質量越來越強的過程中,智能機器人在家庭服務中也展現出了獨特優勢,其不僅能進行簡單或復雜的日常操作,而且可以幫助人們解決部分生活問題,如智能控制家電、清理衛生及娛樂休閑等。一般來講,在整合發展智能機器人與家庭服務時,主要從兩點入手:一方面要讓機器人可以正確識別室內環境,快速接收任務信息;另一方面要與人便捷交流,能理解現代化的語言信息。要想讓智能機器人在家庭服務中展現出獨特性和便捷性,首先要保障日常交流沒有問題,此時就需要運用大數據系統幫助機器人了解和掌握不同時期的人類語言。

        以人臉識別為例,其作為當前非常便捷的身份認證方式,受到了各國科研人員的關注;谏疃染矸e神經網絡的人臉識別的基本算法框架圖如圖1所示,其中上半部分為基礎內容,只需要將交叉熵看作損失函數,而下半部分結構與上半部分類似,只是在全連接層添加了Center loss損失函數。整合兩者進行網絡訓練,有助于不斷優化“fc”層的特征向量。需要注意的是,每個人的臉部特征各有不同,因此訓練中累積的樣本類別對整體數量而言少之又少,這就要求研究人員在關注訓練識別準確性的同時,注重在“Softmax”層獲取特征向量代表的所有區分性。最終實驗結果表明,運用這種方式能全面提高跨年齡人臉識別的準確性。

       

        圖1 人臉識別的基本算法框架   

        整合實踐案例分析,為訓練提供跨年齡變化人臉圖像數據集CACD,雖然能在一定意義上優化模型識別效果,但也要對圖像數據實施預處理。而實驗所選評估指標分為兩點:其一為從圖片庫檢索到第一張臉的平均準確率;其二為圖像檢索中的平均精度均值,具體計算公式為:

        其中,Precision(X)表示查詢結果為X時獲取的證樣本比例,隨著平均精度均值的增加,其越能表現人臉特征的類間區分性。

        結語:綜上所述,面對全球化經濟發展趨勢,隨著人工智能科技水平的不斷提高,為了更好解決現有智能機器人技術問題,加強基于深度學習方法的智能機器人研究力度至關重要。這樣不僅能改變原有技術形式,如語音識別、圖像判斷等,而且可以有效處理機器人應用問題,如位姿等。雖然當前我們對智能機器人的了解不深,在日常生活中也很難看到,但隨著科研人員的不斷創新,相信在未來發展中智能機器人必將得到廣泛利用,促使人們的生活向著智能化和科學化的方向穩步前進。

      作者單位:江蘇大學
      原文出處:趙楊杰,封曉果.深度學習方法的智能機器人應用方向[J].電子世界,2021(02):55-56.
      相關標簽:智能機器人論文
      • 報警平臺
      • 網絡監察
      • 備案信息
      • 舉報中心
      • 傳播文明
      • 誠信網站
      人人天天夜夜日日狠狠日日摸天天摸人人看_人人天天夜夜日日狠狠日日摸天天摸人人看官网