人工智能在智能机器人领域中的研究与运用

　　人工智能（AI）為一门综合性技术学科，主要是对人类智能机理以及计算机模拟人类智能活动运行的形式进行研究。该学科经过几十年的发展，已经取得了许多令人惊叹的成绩，具体是在专家系统、人工神经网络以及多样化智能算法等方面显现出来。智能机器人可以被视为对人整体性模拟的系统，其形态是多样化的，人工智能在智能机器人领域中的应用，为新型人工智能思想与技术的衍生与发展奠定基础。本文笔者在阅览大量文献资料的基础上，对人工智能在智能机器人领域中的具体运用进行探究。

　　1列举人工智能的研究内容

　　1.1模式识别

　　在对人工智能系统研究的过程中，对其模式识别版块的研究，实质上就是借用计算机技术，将人体对外界环境的感知功能以某种程序规整到计算机体系中，从而构建出智能化识别系统。[1]计算机体系可以将个体感知与识别能力呈现出来，在自体数据库信息资源的协助下，将文字、表格、声音以及图式等内容显现出来。人工智能系统中的模式识别通常要经历数据信息收集、预处理、基元提取、模式分类等流程。

　　1.2机器视觉

　　这一人工智能技术是在模式识别基础上发展起来的，其最大的功效是可以将人体视觉的识别功能虚拟化构建出来，在模仿人类对事物的理解功能上也体现出一定的优越性。对机器视觉功能的深入，在打破原有技术局限性方面有所建树，同时也使其演变成一门独立性较强的学科，在发展的进程中向更深层次延展。在对机器视觉研究过程中，工作运行的方向大多数是对个体视觉的模拟，确保机器人系统顺利的洞察与掌握生态景观等不同信息，对其进行深度探究从而构建出具有图像机器视觉效应，此时机器人自体具备了人的视觉功效，在立体视觉、视觉检验、动态图像分析等形式运行的进程中，机器人能够自行的对外部图像的内涵进行理解与挖掘，继而将反映机器人运转状态的信息资源提供给机器人运控控制系统。

　　1.3机器学习

　　机器学习可以被视为智能化发展的重要技术，最大的特色是对个体智力进行模仿从而达到获取知识资源的目标，此时机器人能够为人类提供更为优质的服务。在经济全球化时代中，人类对机器人工作质量提出更高的标准，这就要求机器人不断的学习新知，对自体属性进行科学的调整，实现在复杂化环境中高效运转这一伟大目标。机器学习的功效可以在以下几个方面体现出来：一是强化机器人在多变环境中的适应能力，顺利的采集大批量的信息资源并对其进行精确分析；三是借助学习环节机器人可以强化自体智能化档次，对多变的环境做出科学的回应，及时处理紧急问题；三是机器学习环节的启动，可以协助机器人设计者实现优化设计效果这一目标，节省了人力资源，降低了生产成本，最终辅助机器人实现优化运行效率这一终极目标。

　　2人工智能在智能机械人领域中的具体应用

　　2.1人工神经网络在机器人定位与导航中的应用

　　人工神经网络是在生物神经系统之上发展起来的一种对信息资源处理的方式，其独特之处在于能够处理那些无法用模型或者是相关规范概述的程序与体系，在解说非线性系统的结构与性能等方面体现出一定的统一性；具备着融合多元信息资源的性能，人工神经网络最常见的结构如图1所示。该类人工智能在移动机器人定位和导向环节具有较高的应用频率，主要得力于移动机器人多传感器信息整合借助了神经网络的诸多性质，此时机器人外部传感器的信息资源演变人工神经网络的传送处理目标体，这样操纵人员就可以顺利的获取到与移动机器人自体方位相关的信息资料，同时对阻碍物的位置、形状以及大小有一个较为确切的评估，在人工智能的协助下移动机器人顺利的躲避障碍物并且自体位置也明确化。

　　众所周知，摄像机标定为移动机器人视觉体系的重要版块，摄像机参数明确的过程便是智能机器人内部几何和光电参数整合的过程，同时其自体坐标系和外界坐标系两者的相对方位也体现出明确性，国内相关学者借用人工神经网络顺利实现上述目标。具体是在人工神经网络的协助下，直接采集到智能机器人摄像机呈现的图像信息资源，继而建设三维坐标系（x，y，z），从而明确摄像机内部几何与光电参数、自体坐标系与外界坐标系之间的关联性。如图1所示，人工神经网络首层为输入层，次层为隐含层，末层为输出层。[2]隐含层与输出层神经元的类型分别是S型激活函數以及线性激活函数，网络输入层则是移动机器人目的点在3个摄像机内所有的图像信息资源，输出层构建的坐标系类型为三维世界坐标。人工神经网络在移动机器人运作进程中的应用，能够使操作人员获得到与目标物在三维空间内较为精确的位置信息资料，在人工智能的协助下，智能机器人在方向引导过程中能够使障碍点的方位更加明确化，轨迹追踪这一目标也得以实现。

　　2.2专家系统在机器人控制中的应用

　　人类对机器人控制理论的研究脚步从未停歇过，也取得了令人欣慰的科研成绩，致使大部分机器人控制方法均是在某些数学模型上发展起来的。基于智能机器人具有非线性、顺变性、多关节耦合性等动力学特性，为数学模型参数与类别的确定设置了较大的难度系数。并且在动态式数学模型在应用过程中准确性受到智能机器人位置变动而发生变更的现状，导致庞大的计算任务难以在该方法的协助下完成。在这种局势下，智能控制理念被提出来了，其能够对个体行为方式进行模拟，而不需要大批量数学模型与公式的协助。目前智能控制与人工智能领域的多个结构产生关联，常见的有专家系统、神经网络、模糊控制等。

　　2.3进化算法在机器人路径设计中的应用

　　路径设计是智能机器人领域一直被研究的专题。基于路径设计是智能机器人构建的重要成分这一实况，路径设计的宗旨是协助移动机器人在某些因素的制约下，能够顺利探寻出一条从初始状态到终极状态的优良型、无碰撞型的路径。在智能机器人路径的设计方面，众多学者开展了大量的探究工作，并研发出一些方式方法。

　　在人工智能领域不断延展的进程中，计算智能与进化智能法先后被开发出来，遗传算法与蚁群等算法也陆续被提出与应用，从而使智能机器人路径设计工作的实效性有所保障。特别是遗传算法在机器人路径设计环节中的运用，使机器人智能化水平更上一层楼，此时其运行的轨迹基本上与预期效果相吻合。有研究人员应用遗传算法的过程中不断对其实施改良措施，并积极在陌生环境中，借用动态化手段对机器人路径进行设计规划，此时其借用遗传算法体系中路点坐标值可变长染色体编码方法，创建出涵盖障碍物排斥子函数项的代价函数。这一人工智能形式在智能机器人领域中的应用，确保路径设计环节中的地图信息资源顺利融合进遗传操纵进程中。在对遗传算法不断应用与改进的过程中，研究人员积极对被设计的机器人路径应用形式进行深层次的研究，开发出两种遗传算子，即交叉算子与变异算子，在多样化进化算法的协助下，智能机器人在运转的过程中在对路径探寻之时取得了最佳效果，从而使移动机器人运行的效率得到切实的保障，当然，使移动机器人路径设计工作获得更大的发展空间也是毋庸置疑的事实。

　　3人工智能的发展前景

　　在知识经济一体化时代中，人工智能发展体现出高效性，应用环节上体现出管理广泛性，这不在人类预期范围之内的，所以说人类在预测电子科技、人工智能以及机器人发展趋势上存在较大的难度系数。现阶段，人工智能机器人的推理功能水平已经提高到一定的档次，但是机器人学习与想象功能的研制依然处于开发阶段，在智能机器人的创造方面，科研人员工作的难点是仿照人脑右脑模糊功能以及整个大脑的处理功能。[4]现阶段，人工智能领域不断被拓宽，可以间接的推测出其在机器人中的应用比例不断加大，众多人工智能产品已经在人类实际生活中得到切实的应用，并取得了良好的应用成效。可以推测的是，在未来的发展中，电子科技人工智能的开发与应用将使给人类的生产生活发生巨大的变化。人工智能在发展的进程中将会积极借鉴计算机技术，从而确保人工智能理论等方面研究的深入性。国内一人工智能企业也将会不断强化自体实力自身实力，从多个方面强化智能机器人实效性，使其为社会经济的发展提供更大的能量。

　　4结束语

　　总之，在电子科技迅猛发展的时代中，人工智能将会在智能计算机领域获得更大的应用空间。相关技术开发部门也应该紧随时代发展的脚步，对人工智能系统进行改造与优化，从而确保机器人能够在复杂多变的环境中协助人类完成高难度的工作任务，为社会经济的保值增值贡献力量。

　　参考文献 

　　[1] 赵绍充.基于人工智能的流水线智能机器人设计与验证[J].中国战略新兴产业，2016（28）：71-75. 

　　[2] 沈小波，韩舒淋.人工智能等技术重塑机器人产业后者迎来大机会[J].信息与电脑（理论版），2016（17）：8-14. 

　　[3] 吴伟国.面向作业与人工智能的仿人机器人研究进展[J].哈尔滨工业大学学报，2015（7）：1-19. 

　　[4] 赵姝颖，孙浩，胡彬，田祥章.人工智能进校园——机器人DIY[J].机器人技术与应用，2014（6）：36-39. 

    作者：黄春芳