陳 紅

（天津濱海汽車工程職業(yè)學院 天津 300352）

1 智能機器人簡述

在當今社會各類電子產(chǎn)品極速更新、計算機和互聯(lián)網(wǎng)等信息技術的快速提升的背景下，機器人的在我們的生活中出現(xiàn)的頻率越來越高?，F(xiàn)在有很多方面有機器人身影的出現(xiàn)，比如：軍隊方面、醫(yī)藥方面、休閑方面等。當下，由于機器人技術和人工智能技術融會貫通后，機器人已經(jīng)逐步變化成能夠感受知道外部信息變革、能夠進行自主思考與行動的高度智能化類型的機器，與之前我們所熟悉的工業(yè)類型的機器人來看，它的顯示更加智能化，可以幫助人們解決高難度的問題。

2 智能機器人重要技術

當今社會，國內(nèi)外智能機器人一系列有關的范圍的技術成長速度相對來說的話比較快，在這里面相對來說比較重要的技巧關系到環(huán)境的感受、自主定位和運動限定這3個主要的因素。

若是在室中，智能機器人需要依靠機器視覺，還得依借助別的環(huán)境感知傳感器來場景辨認以及行動指導；但是在室外的使用中，各種各樣和光線強弱的作用，造成環(huán)境感知的完成規(guī)定很難，實時性解決的難度也很高，所以，多傳感器信息結合和關于環(huán)境建模是智能機器人感知系統(tǒng)須得解決的技巧問題。

對智能機器人來說，自由定位方面的任務亦是一定完成的重要技巧的。當今社會，最相對來說出現(xiàn)頻率比較高的自主定位技術，是建立在慣性單元的航跡推算技術的基礎上，須得針對機器人的地點來遞歸推理，因為累積的過失等方面，造成航跡推算法只適用于時長較短、距離較短的運動的位置形態(tài)估量；針對區(qū)域面積相對來說比較大的動作定位，一般須得圖像傳感器來環(huán)境觀察，緊接著和環(huán)境地圖相配合，進一步達到機器人的精確目的。

機器人通常來說是把終端軌跡安排和穩(wěn)定掌握相融合進行完成運動掌控的目的。機器人的每項舉動，一定要先安排好其運動的路線，緊接著依照運動學得到各個姿勢關節(jié)的旋轉(zhuǎn)角，來進一步達到連貫動作的目的。因為在真實地環(huán)境下，有不少影響成分，須得一直針對角度來糾正，這樣的話就可以確保安定性。

3 智能機器人系統(tǒng)出現(xiàn)的缺陷

由于人類對于智能化機器的需求不斷提升，機器人的獨立意識與模仿類似人類的動作慢慢變成探究的熱門。但是以往的機器人大部分出現(xiàn)的缺陷如下。

3.1 環(huán)境安定性相對來說不高

在容易變化的環(huán)境中抑或是非正常的狀態(tài)下，機器人總是會工作異常或不工作。

3.2 獨立自主性相對來說不好

碰到不熟悉的環(huán)境時，不容易獨立自己調(diào)節(jié)狀態(tài)，須得借助外來人員的幫助。

3.3 大腦構造不夠完善

知識儲備相對來說比較匱乏，僅可以實現(xiàn)時長較短的記憶，沒有辦法把以往的經(jīng)驗吸收起來，因此失誤的概率依舊很大。

3.4 服務意識不夠高

缺少和人類類似的想法以及基礎的思維判斷技能，不能輕松地應對環(huán)境的改變。

3.5 人機交流相對來說不夠和諧

機器體制依舊不可以輕松的和人類無障礙交流。

4 智能機器人體制結構

人工智能（Artificial Intelligence）簡稱AI，是從20世紀興起的的一門技術科學，是探究開拓模仿人腦以及增大人的行為的智能化理論方式以及技術使用體制。人工智能算法是完成智能機器人必要的關鍵的技術措施，在這里面相對來說效果比較好的算法就是進行深層次的研究探索。依賴這種類型的算法，人類總算找尋到解決“抽象概念”這個問題的措施，也給機器人可以達到和人類一樣的高度智能化給予了比較有用的方法。

經(jīng)由針對當下關于人工智能的狀況以及機器人完成技術的深度探索和討論，筆者提出了一種相對來說比較深刻的學習以及研究的智能機器人體制組合，這種體制組合里面大致含有下面四個模塊。

4.1 記憶存儲模塊

這個模塊的關鍵作用是由存儲與關聯(lián)算法來達到機器人記憶中的每一個版塊的知識儲備。每個記憶版塊能夠給予不一樣種類的知識，但是不一樣的版塊之間互相作用，這些作用可以反映機器人的真實世界的動態(tài)改變。

4.2 推理與規(guī)劃模塊

這個模塊是給予機器人行為規(guī)劃器。機器人按照最終的決定，進行能夠取得的邏輯推究，逐步進行修改和再計劃，，依照以往的經(jīng)驗進行研究，并把經(jīng)驗傳遞給規(guī)劃器，達到連續(xù)動作推理以及行為計劃安排的目的。

4.3 深度學習模塊

這個模塊的組成部分是監(jiān)督學習模塊與非監(jiān)督學習模塊。想要符合不一樣的使用環(huán)境以及所分配的安排，機器人須得針對物體來區(qū)別開來，還要取得有關的特征值。監(jiān)督學習就是經(jīng)由人類已存在的信息參數(shù)幫助機器完成學習。非監(jiān)督學習模塊的主要工作內(nèi)容是在監(jiān)督比較放松的狀態(tài)下，經(jīng)由對大數(shù)據(jù)樣本的研究和比較，得到人類常識。

5 結語

即使人工智能和機器人都有了比較優(yōu)異的效果和成就，但是這不能代表我們的研究就能夠止步不前。當前的關鍵在于，不僅僅是電腦使用的速度太慢以及感知傳感器的類型較少，而在于編制機器人理智行為程序的規(guī)劃內(nèi)容還不是很具體、成熟。