机器人智能化研究的关键技术与发展展望

被引：13

作者：

张小俊

刘欢欢

赵少魁

丁国帅

机构：

[1] 河北工业大学机械工程学院

来源：

机械设计 | 2016年 / 33卷 / 08期

关键词：

智能机器人; 智能发育; 仿脑技术; 大数据; 深度学习;

D O I：

10.13841/j.cnki.jxsj.2016.08.001

中图分类号：

TP242 [机器人];

学科分类号：

1111 ;

摘要：

智能机器人集成了运动学与动力学、计算机学、神经学与人工智能等学科领域的先进理论与技术,其智能化程度是国家科技水平与综合国力的重要体现。文中回顾了机器人智能化研究的发展历史,探讨了对机器人智能化研究的重要性,论述了机器人智能化研究的新进展,并进一步介绍了目前机器人智能化研究应用的关键技术。最后,结合机器人的发展趋势,提出了机器人智能化研究未来的发展方向与展望。

引用

页码：1 / 7

页数：7

共 10 条

[1] 自主环境认知的发育机器人发育模型 [J].

陈祥章 ;

殷智浩 ;

蔡则苏 .

解放军理工大学学报(自然科学版), 2013, 14 (05) :507-510

[2]

基于仿人脑认知计算模型的机器人视觉学习方法.[D].瞿心昱.浙江工业大学.2012, 02

[3]

分层强化学习与潜在动作模型的研究与应用.[D].沈孝文.华南理工大学.2014, 01

[4]

仿大脑视觉皮层的自主发育网络模型研究.[D].王悦凯.复旦大学.2013, 03

[5]

发育机器人集成学习算法研究.[D].朱长明.哈尔滨工程大学.2008, 06

[6]

Generalisation; decision making; and embodiment effects in mental rotation: A neurorobotic architecture tested with a humanoid robot.[J].Kristsana Seepanomwan;Daniele Caligiore;Angelo Cangelosi;Gianluca Baldassarre.Neural Networks.2015,

[7]

Feedforward kernel neural networks; generalized least learning machine; and its deep learning with application to image classification.[J].Shitong Wang;Yizhang Jiang;Fu-Lai Chung;Pengjiang Qian.Applied Soft Computing.2015,

[8]

Human motion based intent recognition using a deep dynamic neural model.[J].Zhibin Yu;Minho Lee.Robotics and Autonomous Systems.2015,

[9] Backpropagation Applied to Handwritten Zip Code Recognition [J].

LeCun, Y. ;

Boser, B. ;

Denker, J. S. ;

Henderson, D. ;

Howard, R. E. ;

Hubbard, W. ;

Jackel, L. D. .

NEURAL COMPUTATION, 1989, 1 (04) :541-551

[10]

Where-what network 1:"Where"and"What"assist each other through top-down connections..Ji Z;Weng J;Prokhorov D;.7th IEEE International Conference on Development and Learning.2008,

← 1 →