智能机器人原理与应用 课件 第10--12章 智能机器人的前沿 AI技术、 家庭智能空间服务机器人系统、 家庭智能空间服务机器人环境功能区认知.pptx

北京信息科技大学自动化学院智能机器人原理与应用“智能检测技术与模式识别”研究所

北京信息科技大学自动化学院课程《智能机器人原理与应用》第十章智能机器人的前沿AI技术“人工智能”的概念第一次提出是在1956年的达特茅斯人工智能研究会议上。当时的科学家主要讨论了计算机科学领域尚未解决的问题,期待通过模拟人类大脑的运行解决一些特定领域的具体问题。首次提出了把利用计算机进行的复杂信息处理称为“人工智能”(artificialintelligence),简称AI。简言之,人工智能是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术科学,其主要目标是使人工智能机器能够胜任那些需要人类智能才能完成的专业工作。

北京信息科技大学自动化学院课程《智能机器人原理与应用》10.1新一代人工智能技术人工智能的发展一共经历了3次浪潮,如图所示。

北京信息科技大学自动化学院课程《智能机器人原理与应用》10.1新一代人工智能技术人工智能的发展一共经历了3次浪潮,如图所示。AI的第1次浪潮。第1次浪潮与图灵和他在1950年提出的“图灵测试”紧密相关。1966年MIT的教授Weizenbaum发明了一个可以和人对话的小程序———Eliza,轰动世界。AI的第2次浪潮。第2次浪潮出现在1980—1990年代,语音识别是最具代表性的几项突破性进展之一。AI的第3次浪潮。第3次浪潮始于2006年,很大程度上归功于深度学习的实用化进程。

北京信息科技大学自动化学院课程《智能机器人原理与应用》10.2机器人智能化在人工智能的加持下,智能化机器人应运而生。机器人的外延及边界已被扩大数倍,新物种的诞生及传统设备的智能化将共同驱动“机器人”产业以十倍及百倍速度增长。人工智能技术带给机器人质的改变,主要在于以下两个方面：10.2.1机器人是人工智能的实体化（1)智能化大幅提升。(2)智能化场景适用性提升。

北京信息科技大学自动化学院课程《智能机器人原理与应用》10.2机器人智能化智能化是逐步让机器人具有自主智能,其发展路径从学习单一任务开始,举一反三,逐步达到与环境动态交互的主动学习,最终实现自我进化的高级智能。人工智能主要解决机器人智能化所需要的算法和技术,具体包括以下3方面要素。10.2.2机器人智能化三要素1.感知要素机器人的感觉器官用来认识周围环境状态以及和外界环境进行交互,包括能感知视觉、接近、距离等的非接触型传感器和能感知力、压觉、触觉等的接触型传感器等。2.决策要素决策要素也称为思考要素,根据传感器收集的数据思考出采用什么样的动作。智能机器人的决策要素是3个要素中的关键,包括判断、逻辑分析、理解等方面的智力活动。3.控制要素控制要素也称为运动要素,是对外界做出反应性动作.

北京信息科技大学自动化学院课程《智能机器人原理与应用》10.3机器学习机器人发展的趋势是人工智能化,深度学习是智能机器人的前沿技术,也是机器学习领域的新课题。深度学习可以简单理解为多层的神经网络模型,这里简约介绍几种典型的神经网络架构。10.3.1深度学习在感知机的基础上,研究人员提出一种新的网络结构———CNN。CNN的本质是一种采用监督方式训练的面向两维形状不变性识别的特定多层感知机,每层由多个二维平面组成,而每个平面由多个独立神经元组成,专门用来处理具有类似网格结构的数据的神经网络。如图所示,CNN的结构大致可以分为3层:卷积层、池化层和全连接层。1.卷积神经网络CNN

北京信息科技大学自动化学院课程《智能机器人原理与应用》10.3机器学习1)卷积层卷积层依赖于卷积计算,通过卷积运算可以提取输入图像的特征,使得原始信号的某些特征增强,并且在一定程度上降低噪声。利用不同卷积算子对图像进行滤波,得到显著的边缘特征。10.3.1深度学习2)池化层池化层的原理是对图像进行下采样,在减少数据处理量的同时保留有用信息。因此池化层的主要作用是在语义上把相似的特征合并起来,具有一定程度的位移、尺度、形变的鲁棒性,可以消除输入图像的部分畸变与位移等的影响。3)全连接层全连接层采用softmax全连接,得到的激活值即卷积神经网络提取到的图片特征。卷积后得到多组特征,池化后会对特征进行聚合。卷积池化的多次叠加自动提取图片中的低级、中级、高级特征,实现对图片的高精度分类。1.卷积神经网络CNN

北京信息科技大学自动化学院课程《智能机器人原理与应用》10.3机器学习10.3.1深度学习VGG是牛津大学科学工程系计算机视觉组(visualgeometrygroup)2014年提出的。在其发表的论文中,一共提及4种不同深度层数的卷积神经网络,分别是VGG11、VGG13、VGG16和VGG19。这几种网络结构除了网络