学位论文 > 优秀研究生学位论文题录展示
认知机器人潜在动作模型的研究与应用
作 者: 钟智鹏
导 师: 闵华清; 奉继承
学 校: 华南理工大学
专 业: 软件工程
关键词: 认知机器人 潜在动作模型 分析函数 分层强化学习
分类号: TP242
类 型: 硕士论文
年 份: 2013年
下 载: 16次
引 用: 0次
阅 读: 论文下载
内容摘要
随着人工智能领域不断的发展,机器人开始从各个方面向人类靠齐并在某些方面超越了人类。但是在面对复杂多变的环境时,机器人执行任务的能力却远远不如人类。认知机器人领域就是为了改变这一现状而出现的。生物是机器人的最佳模仿对象,建立仿生模型是提升机器人认知能力的重要途径。心理学家J.J.Gibson提出的affordance(潜在动作)理论为认知机器人研究提供了新的思路。不过,目前的认知机器人研究还在初始阶段,执行任务的效果还不够理想。因此,对认知机器人的研究是既有理论意义、又有应用价值的。本文的研究工作主要有以下几个方面:第一,系统的介绍了本课题的研究背景和意义,发展历程以及国内外研究现状。第二,详细介绍了affordance(潜在动作)理论,相关研究工作以及五种主要的理论形式化体系和两种潜在动作模型。第三,根据视觉关注机制引入了分析函数的概念、并进行了深入介绍,然后在此基础上建立了基于分析函数的认知机器人潜在动作模型、并对模型进行了验证。第四,介绍了分层强化学习理论,并将其中的任务分解理论引入到潜在动作模型中,并在机器人救援实验中对模型的可行性和效果进行了验证和说明。第五,对本文提出的认知机器人的两种潜在动作模型以及实验结果进行了总结,两种模型在各自的实验场景中取得了不错的效果,具有一定的实用性。
|
全文目录
摘要 5-6 Abstract 6-7 目录 7-9 第一章 绪论 9-13 1.1 课题研究背景及意义 9 1.2 认知机器人发展概述 9-11 1.2.1 发展历程 9-10 1.2.2 国外发展现状 10-11 1.2.3 国内发展现状 11 1.3 本文研究内容与结构说明 11-13 第二章 AFFORDANCE 理论 13-28 2.1 AFFORDANCE 概述 13-19 2.1.1 概念的提出 13 2.1.2 Affordance 介绍 13-15 2.1.3 Affordance 相关研究 15-19 2.2 AFFORDANCE 在认知机器人的研究及应用 19-27 2.2.1 理论形式化 19-23 2.2.2 Affordance 模型及应用 23-27 2.3 本章小结 27-28 第三章 基于分析函数的认知机器人潜在动作模型 28-44 3.1 分析函数的引入 28-29 3.2 理论形式化 29-31 3.3 形式化中的四元组 31-32 3.4 基于分析函数的机器人自主控制架构 32-35 3.4.1 基于分析函数的 affordance 学习 32-34 3.4.2 基于 affordance 的机器人控制架构 34-35 3.5 实验和结果 35-43 3.5.1 Webots 介绍 35-38 3.5.2 实验简介 38-39 3.5.3 实验内容 39-42 3.5.4 实验结果 42-43 3.6 本章小结 43-44 第四章 基于分层强化学习的认知机器人潜在动作模型 44-55 4.1 分层强化学习概述 44-48 4.1.1 分层强化学习背景和介绍 44-47 4.1.2 分层强化学习相关研究 47-48 4.2 基于任务分解的潜在动作模型 48-50 4.3 实验和结果 50-54 4.3.1 实验简介 50-51 4.3.2 实验内容 51-53 4.3.3 实验结果 53-54 4.4 本章小结 54-55 总结与展望 55-56 参考文献 56-59 攻读硕士学位期间取得的研究成果 59-60 致谢 60-61 附件 61
|
相似论文
- 基于模型的动态分层强化学习算法研究,TP181
- 基于强化学习的机械臂控制研究,TP242
- 基于动态模糊神经网络的程序行为恶意性判定关键技术研究,TP309
- Windows应用程序关键函数的逆向定位技术研究,TP316.7
- 解决强化学习中维数灾问题的方法研究,TP181
- 应用于认知机器人的试探动作库,TP242
- 面向Java的跨函数分析技术,TP311.10
- 连续时间分层强化学习算法,TP181
- 基于人机交互的英文动词聚类的研究,TP242
- 嵌入式软件堆栈溢出的静态测试方法研究,TP311.53
- 基于缺陷模式的资源不良行为的静态检测,TP311.52
- 基于函数摘要的二进制漏洞挖掘技术研究,TP309
- 基于函数型数据分析的电信需求预测模型研究,F224
- 心电图形状分析的统计方法,R444
- 基于函数调用图的面向对象软件的修改影响分析研究,TP311.52
- 基于强化学习的多机器人围捕策略的研究,TP242
- 基于分层强化学习的移动机器人路径规划,TP242
- 隐含波动率的函数型数据分析,F830.91
- 基于认知的机器人协作,TP242
- 基于分层强化学习的RoboCup 3D球队的设计与实现,TP242
- 线性规划法最优潮流的实用化研究,TM715
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 机器人技术 > 机器人
© 2012 www.xueweilunwen.com
|