人形机器人中英文对照外文翻译文献.pdf

中英文对照翻译

最小化传感级别不确定性联合策略的机械手控制

摘要：人形机器人的应用应该要求机器人的行为和举止表现得象人。下

面的决定和控制自己在很大程度上的不确定性并存在于获取信息感觉器官的

非结构化动态环境中的软件计算方法人一样能想得到。在机器人领域，关键问

题之一是在感官数据中提取有用的知识，然后对信息以及感觉的不确定性划分

为各个层次。本文提出了一种基于广义融合杂交分类（人工神经网络的力量，

论坛渔业局）已制定和申请验证的生成合成数据观测模型，以及从实际硬件机

器人。选择这个融合，主要的目标是根据内部（联合传感器）和外部（Vision

摄像头）感觉信息最大限度地减少不确定性机器人操纵的任务。目前已被广泛

有效的一种方法论就是研究专门配置5个自由度的实验室机器人和模型模拟

视觉控制的机械手。在最近调查的主要不确定性的处理方法包括加权参数选择

（几何融合），并指出经过训练在标准操纵机器人控制器的设计的神经网络是

无法使用的。这些方法在混合配置，大大减少了更快和更精确不同级别的机械

手控制的不确定性，这中方法已经通过了严格的模拟仿真和试验。

关键词：传感器融合，频分双工，游离脂肪酸，人工神经网络，软计算，

机械手，可重复性，准确性，协方差矩阵，不确定性，不确定性椭球。

1引言

各种各样的机器人的应用（工业，军事，科学，医药，社会福利，家庭和

娱乐）已涌现了越来越多产品，它们操作范围大并呢那个在非结构化环境中运

行[3,12,15]。在大多数情况下，如何认识环境正在发生变化且每个瞬间最

优控制机器人的动作是至关重要的。移动机器人也基本上都有定位和操作非常

大的非结构化的动态环境和处理重大的不确定性的能力[1,9,19]。每当机器

人操作在随意性自然环境时，在给定的工作将做完的条件下总是存在着某种程

度的不确定性。这些条件可能，有时不同当给定的操作正在执行的时候。导致

这种不确定性的主要的原因是来自机器人的运动参数和各种确定任务信息的

差异所引起的。这意味着，它们不同于所谓的可能不总是微不足道的规范化的

过程处理中。这些偏差的原因可能是由于不准确的分析设计或复制品，或者因

为程序的动议确定性错误，以及随机误差的算法，测量数据，数据传输链路，

和其他因素。机器人地位的变化，像实例故障，失败，参考框架的转移等等，

也导致机器人的不确定性条件的操作。这种大量存在的不确定因素影响着机器

人感应一项任务的各种步骤;适应控制系统的不断变化;和推理来选择实现某

个目标所需的行动。

事实上，显而易见，关键问题之一，是机器人在应对各级不确定性特别是

在遥感水平的数据中提取有用的信息。根据感官测量数据结果显示，参与的质

量就不确定性剩余而言及传播感觉信息的理想性加以调查。在机器人领域，不

确定性问题的解释水平的感觉是一个非常关键的一点，其具体任务像空间结构

机器人一样，可代替医生为病人做手术等。在两个高级别机器的精度和人类一

样需要理解关键问题在遥感进程中的处理，以便使信号输出的所有传感器和三

维世界的属性之间能稳定的连接。一个最近的趋势是通过解决传感器融合问

题，并有众多的融合技术，涵盖非常广泛的频谱的应用领域[10,13]。有人

认为，在某种背景下研究这些研究工作，很需要引用专业化并容易掌握理解的

基于传感器融合战略（人形办法）的多感觉系统的计算机软计。该类人行为的

做法可以使得为多功能的应用。进程的易理解性使得机器人特别适合在加工复

杂，高度非线性功能中处理好低层次的感官数据和高层次的信息之间的关系。

融合策略将是最合适的适用于分布式融合架构而作为它可以有效地使我们能

够最大限度地减少不确定性的任何期望的水平。审查的一些文件不确定性分析

在机械手控制[4,14,16,20,23]表明，一个共同的步骤参与所有这些系统是

已获得的通过多功能感应单元相同信息的解释。融合的信息需求的代表，并与

尽量减少不确定性的程度这取决于这一任务最小的具体应用。本文研究介绍的

重点放感官指导机器人的操纵这一目标的条件下。作为应用在改善普通版型机

器人的重复性是一个象征性的挑战已开展研究。

真实世界的系统具有随机性质的非线性和不确定性，在他们的行为和做法

中，人是唯一可以接受在许多这样任务中的解决方案的对象。在多变量输入输

出系统中，这种非线性和不确定性的影响很大，为了有效遏制需要得到妥善解

决。例如，先进的机器人系统（操纵机器人具有多余的自由度或移动机器人具

有多余的感觉