夯实机器人发展基础 全方位培养高素质机器人学人才

本文在简介近年来国内外工业机器人销量快速增长之后,首先总结了我国机器人研究开发的经验教训,特别是机器人学人才培养方面的教训;接着论述夯实我国机器人发展基础的主要举措,包括培养高素质机器人学人才;然后对培养我国高素质机器人学人才提出决策建议,可供制定我国机器人学中长期发展规划参考。     

机器人学中的学习问题

将学习机制引入机器人学.从而改善机器人系统的性能,提高其智能水平和适应能力,已成为机器人学领域重要研究课题.一个完善的机器人系统可以采用决策级、策略级和执行级三级递阶结构实现。以此划分为基础,本文介绍了应用学习概念研究机器人学中有关问题的进展情况及其发展趋势。     

共创中国机器人学的合作发展新路

本文简介国内外机器人学科学和机器人技术的发展情况,着重概述了机器人学学科和机器人技术合作发展的历史,并从中得到三点启示,即国际上机器人技术和机器人学学科是依靠大联合大合作实现大发展的;没有进行全国性的"产学研"大合作是中国机器人技术未能获得长足发展的重要原因;建立全国性的机器人学学术组织是我国机器人产业大发展必不可少的要素。基于这些启示,提出了尽快成立中国机器人学联合会、设立中国机器人协会和发展机器人学教育等历史使命。     

新的融合算法在机器人路径规划中的应用

机器人路径规划一直是机器人学领域的一个非常重要的研究课题。提出了一种基于蚁群粒子群算法融合的机器人全局路径规划算法,该方法有效地结合了蚁群算法和粒子群算法的优点,利用粒子群算法的快速简洁等特点得到蚁群算法初始信息素分布;然后利用蚁群算法的并行性、正反馈性、求解精度高等优点,求得全局最优解。仿真实验结果证明了该方法的有效性和可行性。     

两本机器人学新著介绍——《机器人学基础》与《机器人学》

蔡自兴教授编著的《机器人学基础》和《机器人学》（第二版）两本教材,已分别由机械工业出版社和清华大学出版社出版．该教材作为国家级《智能科学基础系列课程教学团队》机器人学课程的配套教材使用．其中,《机器人学》曾获2002年全国普通高校优秀教材一等奖,被国家教育部推荐“优先选用的获奖优秀教材”,并被广大高校师生誉为“经典著作”,主要面向研究生和重点高校高年级学生．而《机器人学基础》则是首次出版的面向本科生的机器人学导论性教材．     

未知环境中群机器人队形移动

群机器人学是多机器人系统的一个重要研究方向,其主要特点是系统包含大量个体.如何控制不受数量限制的群机器人形成队形并在未知环境中移动,是一个极具挑战性的问题.基于人工物理原理分析了群机器人网格队形分布和移动控制原理,制定了详细的系统性能评价指标(稳定时间、碰撞次数、覆盖率、连接数、簇数、分布密度等参数),提出了采用曲线拟合法构建虚拟力模型.通过在有障碍物环境中的仿真,显示出该方法可以鲁棒、有效的完成网格分布和移动任务.最后指出了今后的研究方向.     

广茂达个人机器人专栏

新年贺词向您致敬 !中国机器人学的研究者 !为您加油 !中国机器人学的研究生 !互相鼓劲 !中国机器人产业的开拓者 !从事机器人学研究或开发 ,好辛苦好累 ,请多多保重身体 !经过数载努力 ,广茂达个人机器人产量已居世界前列 ,广茂达长大了 ,谢谢您的关心和支持 !新世纪的钟声里 ,让我们一起品味机器人学与机器人产业独有的魅力！“昆虫战士”昆虫机器人“昆虫战士”昆虫机器人是广茂达公司研制的全自主的爬行式移动机器人 ,有三种版本 ,ＩＲ -１００是研究版 ,ＩＲ -２００是博物馆展示版。第一台全自主的昆虫机器人Ｇｅｎｇｈｉｓ于１９８９…     

卡内基·梅隆大学机器人学研究所简介

一、任务卡内基·梅隆大学机器人学研究所建于1979年12月,主要承担具有视觉和思维能力的机器人和智能机械系统的先进的研究与开发任务,并促使这种技术迅速传播给美国的产业界。凭借卡内基·梅隆大学在计算机科学、工程和工业管理方面的优势,机器人学研究     

新年贺词 新年贺词

向您致敬!中国机器人学的研究者! 为您加油!中国机器人学的研究生! 互相鼓劲!中国机器人产业的开拓者! 从事机器人学研究或开发,好辛苦好累,请多多保重身体! 新世纪的钟声里,让我们一起品味机器人学与机器人产业独有的魅力 “昆虫战士”昆虫机器人 “昆虫战士”昆虫机器人是广茂达公司研制的全自主的爬行式移动机器人,有三种版本,IR-100是研究版,IR-200是博物馆展示版。 第一台全自主的昆虫机器人Genghis于1989年在MIT AI实验室研制成功,主要用于研究行为控制。昆虫机器人是复杂机构学、运动学、动力学、昆虫步态、控制、 神经网络、 多生命体(agent)系统、 群体机器人学、基于行为的机器人学,智能结构、图象处理、人工生命等领域的优秀研究平台。昆虫机器人的应用领域有太空探险、科学探险、排雷、教学科研平台、博物馆展示、娱乐等等。 下面介绍“昆虫战士”昆虫机器人的性能特点。     

进化机器人学研究进展

如何提高机器人的自主性和适应性是目前人工智能领域的热点问题之一. 传统的集中式规划设计方法难以满足这些性能要求, 将进化机制引入自适应机器人的设计为解决这一问题开辟了新的思路. 系统地介绍了进化机器人学的研究背景、主要内容和现状, 将其与传统人工智能方法和基于行为的机器人学进行比较, 探讨了该领域研究中有待解决的问题, 并对今后工作进行了展望.     

集群机器人研究综述

首先,给出了集群机器人的定义与基本特征,概括了相对于传统多机器人控制方法的优势.然后,总结了集群机器人的主要设计与分析方法.将集群机器人研究归纳为空间组织、集群导航、集群决策以及其他集群行为等4类,综述了各类别近十年的主要研究成果.最后,分析总结了当前集群机器人研究面临的挑战与关键科学问题,并对未来发展方向进行了展望.     

受生物群体智能启发的多机器人系统研究

首先，介绍了生物社会中的群体智能．接着，讨论了群体机器人技术中的群体控制、群体通信和群体形态等主要研究内容及其发展趋势，并介绍了群体机器人系统的几个典型任务环境．最后，通过一个物体搜集任务的仿真实例来说明群体智能设计原则在多机器人系统中的应用．     

群机器人通信研究综述

为了完成规定任务,群机器人中的个体机器人之间须进行协调合作,这有赖于机器人在有限感知和局部交互基础上的群体智能行为涌现,故对群机器人系统中的通信研究现状进行述评。首先对通信机制进行了划分,指出隐式通信的效率较显式通信为低,且作为人工系统的群机器人中更多采用显式通信机制。针对显式通信,通过对通信方式、网络拓扑结构、通信协议及通信语言等主要内容进行阐述,明确群机器人中通信研究的现状,并对该领域的研究方向进行了展望。     

Time-varying Algorithm for Swarm Robotics

Ever since the concept of swarm intelligence was brought out, a variety of control algorithms for swarm robotics has been put forward, and many of these algorithms are stable enough and efficient. Most of the researches only take an invariable controller which functions through the whole stage into consideration, the situation in which controller changes over time is rarely taken into account. However, there are limitations for invariable controller dominated algorithms in practical situation, which makes them unable to meet changing environment. On the contrary, variable controller is more flexible and can be able to adapt to complex environment. Considering such advantages, a time-varying algorithm for swarm robotics is presented in this paper. The algorithm takes time as one of the independent variables so that the controller is no longer fixed through the time, but can be changed over time, which brings more choices for the swarm robot system. In this paper, some relevant simulations are designed to test the algorithm. Different control strategies are applied on the same flock during the time, and a more complex, flexible and practical control effect is acquired successfully.      

Robots, insects and swarm intelligence

The aim of this paper is to consider the relationships between robots and insects. To this end, an overview is provided of the two main areas in which insects have been implicated in robotics research. First, robots have been used to provide working models of mechanisms underlying insect behaviour. Second, there are developments in robotics that have been inspired by our understanding of insect behaviour; in particular the approach of swarm robotics. In the final section of the paper, the possibility of achieving “strong swarm intelligence” is discussed. Two possible interpretations of strong swarm intelligence are raised: (1) the emergence of a group mind from a natural, or robot swarm, and (2) that behaviours could emerge from a swarm of artificial robots in the same way as they emerge from a biological swarm. Both interpretations are dismissed as being unachievable in principle. It is concluded that bio-robotic modelling and biological inspiration have made important contributions to both insect and robot research, but insects and robots remain separated by the divide between the living and the purely mechanical.     

Search and tracking algorithms for swarms of robots: A survey

Target search and tracking is a classical but difficult problem in many research domains, including computer vision, wireless sensor networks and robotics. We review the seminal works that addressed this problem in the area of swarm robotics, which is the application of swarm intelligence principles to the control of multi-robot systems. Robustness, scalability and flexibility, as well as distributed sensing, make swarm robotic systems well suited for the problem of target search and tracking in real-world applications. We classify the works we review according to the variations and aspects of the search and tracking problems they addressed. As this is a particularly application-driven research area, the adopted taxonomy makes this review serve as a quick reference guide to our readers in identifying related works and approaches according to their problem at hand. By no means is this an exhaustive review, but an overview for researchers who are new to the swarm robotics field, to help them easily start off their research.     

基于劳动分工的群机器人地图创建探索策略研究

受社会性昆虫劳动分工的启发提出一种群机器人地图创建的探索策略,以提高群机器人创建地图的效率。当机器人所在顶点位置有未访问的路径时,机器人随机选择一条未访问路径进行访问;如果当前位置的所有路径都已被访问,机器人会根据响应函数对下一访问位置进行概率选择。对算法分别进行了不同地图规模和机器人数量的计算机仿真实验,根据算法评价指标(覆盖时间、路径重复覆盖次数和覆盖率)对实验结果进行了评价,并与随机选择的算法进行了对比,结果表明算法是可行、有效的。最后指出了下一步研究的方向。     

粒子群优化技术的研究与应用进展

粒子群优化(PSO)算法是一种新兴的基于群智能搜索的优化技术,它是通过粒子追随个体最优解和群体最优解来完成优化,且算法简单、易实现、参数少,具有较强的全局优化能力,可有效应用于科学与工程实践中。文中综述了PSO各种改进技术、研究热点问题及其应用进展情况并指出了PSO的发展趋势及未来研究方向。     

群体智能研究综述

群体智能利用群体的优势，在没有集中控制、不提供全局模型的前提下，为寻找复杂问题的解决方案提供了新的思路。首先阐述了群体智能的研究现状，包括典型的蚂蚁群优化算法、粒子群优化算法、群体机器人以及算法的应用。在此基础上，对今后的研究趋势进行了分析和展望：对群体智能系统底层机制的研究以及群体机器人的研究将是今后研究的重点，具有重大意义和广阔前景。