隨著社會發展的需要和機器人應用領域的擴大,人們對智能機器人的要求也越來越高。智能機器人所處的環境往往是未知的、難以預測的 ,在研究這類機器人的過程中, 主要涉及到那些關鍵技術呢？

  1.多傳感器信息融合

    多傳感器信息融合技術是近年來十分熱門的研究課題, 它與控制理論、信號處理、人工智能、概率和統計相結合 , 為機器人在各種復雜、動態、不確定和未知的環境中執行任務提供了 1 種技術解決途徑。機器人所用的傳感器有很多種 , 根據不同用途分為內部測量傳感器和外部測量傳感器兩大類。內部測量傳感器用來檢測機器人組成部件的內部狀態 , 包括: 特定位置 、角度傳感器 ; 任意位置 、角度傳感器; 速度、角度傳感器 ; 加速度傳感器; 傾斜角傳感器; 方位角傳感器等 。外部傳感器包括: 視覺( 測量、認識傳感器)、觸覺(接觸、壓覺 、滑動覺傳感器)、力覺( 力、力矩傳感器)、接近覺( 接近覺、距離傳感器)以及角度傳感器( 傾斜、方向、姿式傳感器)。多傳感器信息融合就是指綜合來自多個傳感器的感知數據, 以產生更可靠 、更準確或更的信息。經過融合的多傳感器系統能夠更加完善、精確地反映檢測對象的特性, 消除信息的不確定性 ,提高信息的可靠性。融合后的多傳感器信息具有以下特性 : 冗余性、互補性、實時性和低成本性。目前多傳感器信息融合方法主要有貝葉斯估計、Dempster-Shafer 理論、卡爾曼濾波 、神經網絡 、小波變換等

  2.導航與定位

    在機器人系統中 ,自主導航是一項核心技術 , 是機器人研究領域的一直在改變的地方。導航的基本任務有 3 點:

( 1)基于環境理解的全局定位: 通過環境中景物的理解 ,識別人為路標或具體的實物 ,以完成對機器人的定位 ,為路徑規劃提供素材;

( 2)目標識別和障礙物檢測: 實時對障礙物或特定目標進行檢測和識別 ,提高控制系統的穩定性; 

( 3)保護: 能對機器人工作環境中出現的障礙和移動物體作出分析并避免對機器人造成的損傷

  3.路徑規劃

    路徑規劃技術是機器人研究領域的1 個重要分支 。路徑規劃就是依據某個或某些優化準則( 如工作代價 、行走路線最短、行走時間最短等),在機器人工作空間中找到 1 條從起始狀態到目標狀態、可以避開障礙物的路徑

  4.機器人視覺

    視覺系統是自主機器人的重要組成部分,一般由攝像機、圖像采集卡和計算機組成。機器人視覺系統的工作包括圖像的獲取、圖像的處理和分析 、輸出和顯示, 核心任務是特征提取 、圖像分割和圖像辨識 。而如何精確效率高的處理視覺信息是視覺系統的關鍵問題。目前視覺信息處理逐步細化, 包括視覺信息的壓縮和濾波、環境和障礙物檢測 、特定環境標志的識別、三維信息感知與處理等。其中環境和障礙物檢測是視覺信息處理中最重要 、也是最困難的過程 。邊沿抽取是視覺信息處理中常用的 1 種方法。對于一般的圖像邊沿抽取 , 如采用局部數據的梯度法和二階微分法等 ,對于需要在運動中處理圖像的移動機器人而言,難以滿足實時性的要求。為此人們提出 1種基于計算智能的圖像邊沿抽取方法, 如基于神經網絡的方法 、利用模糊推理規則的方法, 特別是 Bezdek J .C 老師近期的論述了利用模糊邏輯推理進行圖像邊沿抽取的意義。這種方法具體到視覺導航, 就是將機器人在室外運動時所需要的道路知識, 如公路白線和道路邊沿信息等 , 集成到模糊規則庫中來提高道路識別效率和魯棒性 。還有人提出將遺傳算法與模糊邏輯相結合

  5.智能控制

    隨著機器人技術的發展, 對于無法精確解析建模的物理對象以及信息不足的病態過程,傳統控制理論暴露出缺點 ,近年來許多學者提出了各種不同的機器人智能控制系統。機器人的智能控制方法有模糊控制 、神經網絡控制 、智能控制技術的融合( 模糊控制和變結構控制的融合 ; 神經網絡和變結構控制的融合; 模糊控制和神經網絡控制的融合 ; 智能融合技術還包括基于遺傳算法的模糊控制方法) 等

    人機接口技術

智能機器人的研究目標并不是完全取代人 ,復雜的智能機器人系統僅僅依靠計算機來控制目前是有一定困難的, 即使可以做到 ,也由于缺乏對環境的適應能力而并不實用 。智能機器人系統還不能完全排斥人的作用, 而是需要借助人機協調來實現系統控制。因此, 設計良好的人機接口就成為智能機器人研究的問題之一

    智能機器人作為一種包含相當多學科知識的技術,幾乎是伴隨著人工智能所產生的。而智能機器人在當今社會變得越來越重要，越來越多的領域和崗位都需要智能機器人參與、這使得智能機器人的研究也越來越頻繁。雖然我們現在仍很難在生活中見到智能機器人的影子。但在不久的將來，隨著智能機器人技術的不斷發展和成熟。隨著眾多科研人員的不懈努力，智能機器人必將走進千家萬戶。更好的服務人們的生活，讓人們的生活更加舒適和健康。