人工智能机器人的未来

人工智能机器人的未来

学院：机械与动力工程学院

班级：

姓名：

学号：

人工智能机器人的未来

摘要:目前，机器人学和人工智能已作为两个不同的学科，各自发展着，

均取得了很好的成果。同时在一些领域，二者又相互结合，并取得了很好的效果。智能机器人是一个在感知-思维-效应方面全面模拟人的机器系统,外形不一定像人。它是人工智能技术的综合试验场,可以全面地考察人工智能各个领域的技术,研究它们相互之间的关系。还可以在有害环境中代替人从事危险工作、上天下海、战场作业等方面大显身手。本文简要分析了机器人的发展史，对近些年来国内外人工智能在机器人领域的应用做了一个比较全面的总结；在简要介绍特种机器人能力局限性的基础上，阐述与特种机器人紧密相关的几项人工智能的研究内容，并进一步展望了人工智机器人中的发展趋势，同时还提出了一些设想和前景。

关键词: 机器人、人工智能、智能控制、专家系统、感官、仿生、计算机

科学

一、机器人和人工智能简史

人们通常把机器人划分为三代。第一代是可编程机器人。这种机器人一般可以根据操作人员所编的程序,完成一些简单的重复性操作。这一代机器人是从60年代后半叶开始投入实际使用的,目前在工业界已得到广泛应用。第二代是“感知机器人”,又叫做自适应机器人,它在第一代机器人的基础上发展起来的,能够具有不同程度的“感知”周围环境的能力。这类利用感知信息以改善机器人性能的研究开始于70年代初期,到1982年,美国通用汽车公司为其装配线上的机器人装配了视觉系统,宣告了感知机器人的诞生,在80年代得到了广泛应用。第三代机器人将具有识别、推理、规划和学习等智能机制,它可以把感知和行动智能化结合起来,因此能在非特定的环境下作业,称之为智能机器人。智能机器人与工业机器人的根本区别在于,智能机器人具有感知功能与识别、判断及规划功能。而感知本身,就是人类和动物所具有的低级智能。因此机器的智能分为两个层次:①具有感觉、识别、理解和判断功能;②具有总结经验和学习的功能。所以,人们通常所说的第二代机器人可以看作是第一代智能机器人。

1956年在美国的Dartmouth大学的一次历史性的聚会被认为是人工智能学科正式诞生的标志。1957年A.Newell、J.Shaw和H.Simon等人的心理学小组编制出一个称为逻辑理论机LT(The Logic Theory Machine)的数学定理证明程序，后来又揭示了人在解题时的思维过程大致可归结为三大阶段1956年Samuel研究的具有自学习、自组织、自适应能力的西洋跳棋程序是IBM小组有影响的工作，这个程序可以像一个优秀棋手那样，向前看几步来下棋。它还能学习棋谱，在分析大约175000幅不同棋局后，可猜测出书上所有推荐的走步，准确度达48％，这是机器模拟人类学习过程卓有成就的探索。1959年McCarthy发明的表（符号）处理语言LISP，成为人工智能程序设计的主要语言。从此人工智能飞速发展，逐渐应用于各个行业。

二、人工智能与机器人结合和人工智能机器人的现状

把传统的人工智能的符号处理技术应用到机器人中存在哪些困难呢?一般的工业机器人的控制器,本质是一个数值计算系统。如若把人工智能系统(如专家系统)直接加到机器人控制器的顶层,能否得到一个很好的智能控制器?并不那么容易。

因为符号处理与数值计算,在知识表示的抽象层次以及时间尺度上的重大差距,把两个系统直接结合起来,相互之间将存在通信和交互的问题,这就是组织智能控制系统的困难所在。这种困难表现在两个方面:一是传感器所获取的反馈信息通常是数量很大的数值信息,符号层一般很难直接使用这些信息,需要经过压缩、变换、理解后把它转变为符号表示,这往往是一件很困难而又耗费时间的事。而信息来自分布在不同地点和不同类型的多个传感器。从不同角度,以不同的测量方法得到不同的环境信息。这些信息受到干扰和各种非确定性因素的影响,难免存在畸变、信息不完整等缺陷,因此使上述的处理、变换更加复杂和困难。二是从符号层形成的命令和动作意图,要变成控制级可执行的指令(数据),也要经过分解、转换等过程,这也是困难和费时的工作。它们同样受到控制动作和环境的非确定性因素的影响。由于这些困难,要把人工智能系统与传统机器人控制器直接结合起来就很难建立实时性和适应性很好的系统。为了解决机器人的智能化,组成智能机器人系统,研究者们将面临许多困难且需要做长期努力,进行若干课题的研究。例如:高级思维活动应以什么方式的机器人系统来模仿,是采取传统的人工智能符号推理的方法,还是采用别的方法?需不需要环境模型,需要怎样的环境模型;怎样建立环境模型,传统的人工智能主要依据先验知识建立环境模型。由于环境和任务的复杂性,环境的不确定性,这种建模方式遇到了挑战,于是出现了依靠传感器建模的主张,这就引出一系列新的与传感技术有关的课题。

人们为了探讨人工智能在机器人中近期的可用技术,暂时抛开人工智能中的各种带根本性的争论,如符号主义与连接主义、有推理和无推理智能等等,把着眼点放在人工智能技术中较成熟的技术上。对传统的人工智能来说,就是知识的符号表示和推理这部分技术,看一看它对当前的机器人技术的发展会有什么贡献。其主要贡献体现在以下几个方面:基于任务的传感技术,建立感知与动作的直接联系,基于传感器的规划和决策,复杂动作的协调等。过去的几十年，机器人控制展。国内外专家学者做出了许多有益的尝试，取得了丰硕的成果。然而，大多数控制方法需要合适的数学模型。但由于机器人动力学的非线性、时变性、多关节强藕合及变惯量等复杂性不仅其数学模型的参数，就连数学模型的类型都很难准确确定。由在线进行系统辨识的方法确定的动态数学模型将随着负载和机器人型位的变化而不断变化。其巨大的计算量使这种方法根本无法应用到实际中去。因此在实际应用中，我们看到最多的应用还是PI，PD和PID控制。另一方面，人类的操作员在执行相似任务的时候并不需要知道什么数学模型，却能够执行得很好。因此，采用一种方式模拟人类的行为而不需要大量的数学计算的控制方法自然而然地被提出来，这就是所谓的智能控制。智能控制涉及到人工智能的多个领域，包括专家系统、神经元网络以及模糊控制等。纯粹采用专家系统的智能控制系统将会免去大量复杂的计算，从而极大地提高系统的整体反应速度。然而，基于规则的系统也有它的弱点，为了使系统能够处理各种异常情况，系统的规则将是非常复杂的。即使如此，也很难将所有情况都考虑进去，因此，专家系统与常规控制相结合的形式是比较具有实用性的。如中科院的隋清，马颂德等将专家系统与PID控制相结合，取得满意的效果。还有人使用专家系统来决定系统辨识模型，选择故障诊断工具等。图1是典型的专家系统与普通控制器相结合的方式。其中控制器可以是简单的PID控制器，也可以是不同的系统辨识工具，故障诊断工具等。