论文部分内容阅读
[摘 要]人工智能是一门综合性技术学科，主要研究人类智能机理以及计算机模拟人类智能活动运行的形式。相关技术开发单位应该紧随时代发展的脚步，对人工智能系统进行改造与优化，从而确保机器人能够在复杂多变的环境中协助人类完成高难度的工作任务，为社会经济的保值增值贡献力量。本文对人工智能进行了简单介绍，并探讨了人工智能在机器人领域中的应用。
[关键词]人工智能；机器人；应用
中图分类号：S854 文献标识码：A 文章编号：1009-914X（2018）26-0272-01
引言
随着机器人应用领域深入大众生活，人们对机器人的期望越来越高，希望智能化程度更高的机器代替人类完成更复杂的工作。在实践应用中，智能机器人所处的环境往往是难以预知的，对机器人的动作行为进行人工分析设计也变得越来越困难。人工智能（Artificial Intelligence），英文缩写为AI，是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机。智能机器人可以被视为对人整体性模拟的系统，其形态是多样化的，人工智能在机器人领域中的应用，为新型人工智能思想与技术的衍生与发展奠定了良好基础。
1 人工智能简介
1.1 基本概念
人工智能是信息技术高度发展的产物，以计算机技术和网络技术为核心，涵盖了电子信息科学、神经行为学、人文科学等学科。人工智能主要是利用计算机技术和生物学知识来制造出智能机器，实现对人类大脑思维和肢体语言的模仿功能。例如，2016年，谷歌公司研发出了智能机器人阿尔法，在围棋比赛中战胜了韩国队员，这就证明了人工智能的强大作用。因此，人工智能具有很大的应用和发展潜力，在各项生产和生活活动中将发挥越来越重要的作用。
1.2 研究内容
第一，模式识别，运用计算机系统来模拟人类的感知和识别能力，利用自身数据系统中所具有的资料信息来处理相关的文字、表格、声音、图像等内容，模式识别主要经历信息采集、预处理、基元提取、模式分类等几个步骤；第二，机器视觉，该方面的研究是为了让机器具有人的视觉功能，通过立体视觉、视觉检验、动态图像分析等方式的运用，理解图像的内容并对其定位，进而向机器人运行控制系统反馈机器人的状态及目标等多种信息；第三，机器学习，让机器人在环境交互的过程中获得大量的信息并對其进行分析，进而提高机器人适应环境的能力，通过学习可以提高机器人的智能化水平，进而应付环境所带来的变化，解决突发状况下所出现的问题，同时，弥补设计中所存在的缺陷，降低设计人员的劳动强度；第四，分布式人工智能，分布式人工智能系统具有非常好的互操作性，就算在比较复杂和处于快速变化的环境中，不同的异构系统依然可以交互信息、协同工作，能描述自然和社会系统的精确模型。
2 人工智能在机器人领域中的应用
2.1 专家系统的应用
常规的机器人控制是建立在精确的数学模型上的。但是在某些机器人的工作环境中，外界的因素特别复杂，且存在很多非线性、高耦合、多变量环节，这对精确数学模型的建立带来很大的困难，就算建立起来也是利用近似的方法，和现实还是有很大的区别。虽然目前对线性模型的求解已经取得了很大的成功，但是对于非线性、时变、高耦合的模型求解还存在很大的问题，一直没有找到很好的方法。采用专家系统，并不需要建立、求解精确的数学模型，它是建立在人类大量的成功实践基础上的，并把经验以程序的方式传递给机器人，使其具有较高的解决问题的能力。
2.2 神经网络的应用
神经网络理论在机器人方面有着一定的应用，其能够帮助机器人实现躲避障碍功能与路径选择功能。环境拓扑结构组织内部的互联网，将目的地给定后，机器人便能够通过网络能量函数对最佳路线进行设计，机器人能够快速躲过障碍，从而对不同位置做出不同的路径设计，体现了智能化特点，进而满足机器人智能导航需求。如图1所示，神经网络首层为输入层，次层为隐含层，末层为输出层。神经网络在移动机器人运作进程中的应用，能够使操作人员获得到与目标物在三维空间内较为精确的位置信息资料，在人工智能的协助下，智能机器人在方向引导过程中能够使障碍点的方位更加明确化，同时，轨迹追踪这一目标也得以实现。
2.3 进化算法的应用
在智能机器人路径的设计方面，众多学者开展了大量的探究工作，研发出一些方式方法。在人工智能领域不断延展的进程中，计算智能与进化智能法先后被开发出来，遗传算法与蚁群算法等也陆续被提出与应用，从而使智能机器人路径设计工作的实效性有所保障。特别是遗传算法在机器人路径设计环节中的运用，使机器人智能化水平更上一层楼，此时其运行的轨迹基本上与预期效果相吻合。在对遗传算法不断应用与改进的过程中，研究人员积极对被设计的机器人路径应用形式进行深层次的研究，开发出两种遗传算子，即交叉算子与变异算子，在多样化进化算法的协助下，智能机器人在运转的过程中，对路径进行探寻取得了最佳效果，从而使移动机器人运行的效率得到切实的保障。
2.4 模糊控制的应用
模糊控制技术与专家系统属于同一类型的人工智能技术。在模糊控制技术的支持下，图像边缘像素与轮廓均能够得到有效的采集，再经过并行处理获得有效的信息。模糊控制在机器人路径导航中的应用，主要体现在行为与动作的智能处理方面，如对障碍物体的躲避、速度的调整以及对移动目标追踪等方面，根据识别的动作不同，激活机器结构也随之不同。传感器在完成信息采集后，会对信息进行常规的整合，并作出激活判断，在模糊推理算法下，对优先级行为进行确定，进而通过机器实现各项操作。所以，模糊控制检测的主要是机器人和障碍物之间的距离或者障碍物相关运动信息，对机器人转角变化与速度变化进行输出控制。
结束语
总而言之，在知识经济一体化时代，人工智能发展体现出高效性。现阶段，人工智能领域不断被拓宽，可以间接地推测出其在机器人中的应用比例不断加大，众多人工智能产品已经在人类实际生活中得到切实的应用，并取得了良好的应用成效，人工智能技术企业要不断强化自身实力，从多个方面提升智能机器人实效性，使其为社会经济的发展提供技术支持。
参考文献
[1] 孙怡宁.浅谈人工智能与机器人的发展趋势[J].电子测试，2016（23）：24-25.
[2] 林丽丽.人工智能下的机器人移动路径导航设计[J].科技展望，2016，26（30）：163.
[3] 黄继辉.人工智能与机器人运动研究[J].信息与电脑（理论版），2016（13）：164-165.
[关键词]人工智能；机器人；应用
中图分类号：S854 文献标识码：A 文章编号：1009-914X（2018）26-0272-01
引言
随着机器人应用领域深入大众生活，人们对机器人的期望越来越高，希望智能化程度更高的机器代替人类完成更复杂的工作。在实践应用中，智能机器人所处的环境往往是难以预知的，对机器人的动作行为进行人工分析设计也变得越来越困难。人工智能（Artificial Intelligence），英文缩写为AI，是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机。智能机器人可以被视为对人整体性模拟的系统，其形态是多样化的，人工智能在机器人领域中的应用，为新型人工智能思想与技术的衍生与发展奠定了良好基础。
1 人工智能简介
1.1 基本概念
人工智能是信息技术高度发展的产物，以计算机技术和网络技术为核心，涵盖了电子信息科学、神经行为学、人文科学等学科。人工智能主要是利用计算机技术和生物学知识来制造出智能机器，实现对人类大脑思维和肢体语言的模仿功能。例如，2016年，谷歌公司研发出了智能机器人阿尔法，在围棋比赛中战胜了韩国队员，这就证明了人工智能的强大作用。因此，人工智能具有很大的应用和发展潜力，在各项生产和生活活动中将发挥越来越重要的作用。
1.2 研究内容
第一，模式识别，运用计算机系统来模拟人类的感知和识别能力，利用自身数据系统中所具有的资料信息来处理相关的文字、表格、声音、图像等内容，模式识别主要经历信息采集、预处理、基元提取、模式分类等几个步骤；第二，机器视觉，该方面的研究是为了让机器具有人的视觉功能，通过立体视觉、视觉检验、动态图像分析等方式的运用，理解图像的内容并对其定位，进而向机器人运行控制系统反馈机器人的状态及目标等多种信息；第三，机器学习，让机器人在环境交互的过程中获得大量的信息并對其进行分析，进而提高机器人适应环境的能力，通过学习可以提高机器人的智能化水平，进而应付环境所带来的变化，解决突发状况下所出现的问题，同时，弥补设计中所存在的缺陷，降低设计人员的劳动强度；第四，分布式人工智能，分布式人工智能系统具有非常好的互操作性，就算在比较复杂和处于快速变化的环境中，不同的异构系统依然可以交互信息、协同工作，能描述自然和社会系统的精确模型。
2 人工智能在机器人领域中的应用
2.1 专家系统的应用
常规的机器人控制是建立在精确的数学模型上的。但是在某些机器人的工作环境中，外界的因素特别复杂，且存在很多非线性、高耦合、多变量环节，这对精确数学模型的建立带来很大的困难，就算建立起来也是利用近似的方法，和现实还是有很大的区别。虽然目前对线性模型的求解已经取得了很大的成功，但是对于非线性、时变、高耦合的模型求解还存在很大的问题，一直没有找到很好的方法。采用专家系统，并不需要建立、求解精确的数学模型，它是建立在人类大量的成功实践基础上的，并把经验以程序的方式传递给机器人，使其具有较高的解决问题的能力。
2.2 神经网络的应用
神经网络理论在机器人方面有着一定的应用，其能够帮助机器人实现躲避障碍功能与路径选择功能。环境拓扑结构组织内部的互联网，将目的地给定后，机器人便能够通过网络能量函数对最佳路线进行设计，机器人能够快速躲过障碍，从而对不同位置做出不同的路径设计，体现了智能化特点，进而满足机器人智能导航需求。如图1所示，神经网络首层为输入层，次层为隐含层，末层为输出层。神经网络在移动机器人运作进程中的应用，能够使操作人员获得到与目标物在三维空间内较为精确的位置信息资料，在人工智能的协助下，智能机器人在方向引导过程中能够使障碍点的方位更加明确化，同时，轨迹追踪这一目标也得以实现。
2.3 进化算法的应用
在智能机器人路径的设计方面，众多学者开展了大量的探究工作，研发出一些方式方法。在人工智能领域不断延展的进程中，计算智能与进化智能法先后被开发出来，遗传算法与蚁群算法等也陆续被提出与应用，从而使智能机器人路径设计工作的实效性有所保障。特别是遗传算法在机器人路径设计环节中的运用，使机器人智能化水平更上一层楼，此时其运行的轨迹基本上与预期效果相吻合。在对遗传算法不断应用与改进的过程中，研究人员积极对被设计的机器人路径应用形式进行深层次的研究，开发出两种遗传算子，即交叉算子与变异算子，在多样化进化算法的协助下，智能机器人在运转的过程中，对路径进行探寻取得了最佳效果，从而使移动机器人运行的效率得到切实的保障。
2.4 模糊控制的应用
模糊控制技术与专家系统属于同一类型的人工智能技术。在模糊控制技术的支持下，图像边缘像素与轮廓均能够得到有效的采集，再经过并行处理获得有效的信息。模糊控制在机器人路径导航中的应用，主要体现在行为与动作的智能处理方面，如对障碍物体的躲避、速度的调整以及对移动目标追踪等方面，根据识别的动作不同，激活机器结构也随之不同。传感器在完成信息采集后，会对信息进行常规的整合，并作出激活判断，在模糊推理算法下，对优先级行为进行确定，进而通过机器实现各项操作。所以，模糊控制检测的主要是机器人和障碍物之间的距离或者障碍物相关运动信息，对机器人转角变化与速度变化进行输出控制。
结束语
总而言之，在知识经济一体化时代，人工智能发展体现出高效性。现阶段，人工智能领域不断被拓宽，可以间接地推测出其在机器人中的应用比例不断加大，众多人工智能产品已经在人类实际生活中得到切实的应用，并取得了良好的应用成效，人工智能技术企业要不断强化自身实力，从多个方面提升智能机器人实效性，使其为社会经济的发展提供技术支持。
参考文献
[1] 孙怡宁.浅谈人工智能与机器人的发展趋势[J].电子测试，2016（23）：24-25.
[2] 林丽丽.人工智能下的机器人移动路径导航设计[J].科技展望，2016，26（30）：163.
[3] 黄继辉.人工智能与机器人运动研究[J].信息与电脑（理论版），2016（13）：164-165.