智能仿生双向手语翻译系统

设计了一套智能仿生双向手语翻译系统,该系统主要由STM32微处理器、LD3320非特定语音识别模块、SYN6288语音合成芯片等组成,能够实现语音与手势的双向翻译。其中语音转手势部分可通过语音识别模块获得指令,手语机器人根据指令完成语音转动作的翻译。手势转语音部分通过数据手套捕获手臂的动作和姿态,识别手语动作,控制手语机器人发出语音。该系统具有成本低、识别度高、使用方便等优势,具有良好的应用前景。     

基于智能语音交互的文言文翻译机器人关键技术

以语音交互为基础的翻译机器人,依托于固定关键词生成交互命令,使得文言文翻译结果双语替换测评(Bilingual Evaluation Understudy, BLEU)值较低。因此,提出基于智能语音交互的文言文翻译机器人关键技术。运用自然语言处理机制,对原始语音进行分词、词性标注等多方面处理。提出自动语音识别技术,结合语言模型和声学模型,对待翻译文言文语义进行准确预测,生成相应的交互命令。以循环神经网络为核心,构建机器翻译模型,并引入注意力机制,将网络单元改为双向循环模式,获取精准翻译结果。实验结果显示：所提文言文翻译机器人关键技术在实际应用中,使得BLEU值提升了31.47%、22.01%,更好地满足文言文翻译质量要求。     

基于Julius的机器人语音识别系统构建

随着机器人技术不断发展,本文提出机器人的语音识别这一智能人机交互方式。在研究了基于HMM语音识别基本原理的情况下,在实验室的机器人平台上,利用HTK和Julius开源平台,构建了一个孤立词的语音识别系统。利用该语音识别系统可以提取语音命令用于机器人的控制。     

试制智能服务机器人（下）

三、语音识别设计与实现 做为我们机器人的核心部分，语音识别系统是我们研究开发的重中之重，为此我们收集了大量已有的语音识别系统的信息，并对用于语音识别技术的信号处理、模式识别、语音特征提取、声学模型与模式匹配（识别算法）进行了深入的学习和研究。我们语音识别系统的实现过程见图12。     

模拟英语对话机器人的研究与实现可行性分析

计算机语音技术涉厦到人工智能、模式识别、微机技术、语言声学、语言学和认知科学等许多学科领域。美国DARPA战略计算计划提出了口语系统研究,即把语音识别和自然语言理解结合起来,并进一步实用化。在我国,语音技术的研究起步较晚,语言识别技术的产品较少。本文结合中国学生学习英语状况,在计算机平台上利用语音的识别和输出及人工智能创建模拟英语对话机器人模型。     

基于DSP的智能语音控制系统设计

利用语音命令实现与智能设备的交互已经成为现代控制理论研究的热门话题之一。介绍了一种基于数字信号处理器(DSP)、语音采集模块、无线收发模块、片上外设等资源实现的语音命令控制处理系统。该系统首先通过语音采集模块采集到语音控制信号;然后通过DSP和相应的片上外设实现对语音命令的识别;最后将识别的语音命令传递给无线收发模块以实现对于智能设备的控制。整个系统的设计应用领域广泛,可以为人机交互提供一种切实可行的参考方案。     

语音翻译信号数字模型的构建及DTW算法的改进

随着中西方交流日益频繁,语言的沟通就显得尤为重要。本文通过对中英语音翻译系统的三个模块"汉语语音识别模块、汉-英机器翻译模块和汉、英语语音合成模块"的分析,构建了语音翻译信号数字模型,同时通过语音识别的基本原理,提出了一种改进的语音识别DTW算法。通过仿真和实验证明了改进的语音识别DTW算法是可行的。     

服务机器人的语音情感识别与交互技术研究

分析语音情感识别技术的发展现状和关键技术,将基于隐马尔可夫模型的语音情感识别方法应用在机器人中,目的在于使机器人能够识别人的语音信号中的情感信息,并做出相应的情感表达.这在我们研制出的服务机器人中得到了较好的应用,该机器人能够识别人的语音情感并能与人进行一定的交互.     

基于EMD的语音特征信息提取

有效提取语音信号的特征信息是语音识别的关键。对语音信号采用经验模态分解法可得到语音的一系列本征模函数,提取本征模函数的过程是降低语音信号冗余度的过程。在语音识别的试验中以本征模函数为训练模型较传统的识别方法识别率更高。仿真结果表明:方法是有效的,用于提取语音的特征信息是可行的。     

基于意图识别的智能语音交互机器人设计

为提高智能语音交互机器人语音交互的准确率,提出一种基于意图识别的机器人智能英语语音交互方法。通过引入Glove＿BiGRU＿Self-attention分类预测模型构建意图识别功能模块,并采用ROS分布式架构对系统功能模块进行整合,实现人机的智能语音交互。仿真结果表明,采用所提方法进行的语音意图识别,具有更高的准确率,相较于基于DCNN模型、基于CNN-LSTM模型与基于单向构建的GRU-Self-attention模型的意图识别方法,识别准确率分别高出8.03%、4.07%和2.14%,具有更好的识别效果;在特征提取上,训练时间较传统基于BiLSTM模型的提取方法,BiGRU的训练时间缩短了4倍,训练效率更高。实验结果表明,采用所提意图识别方法搭建的语音交互系统,对用户英语语音指令的识别准确率和识别效率依然拥有较好的结果,识别平均准确率达到了89.72%,识别时间均在0.35 s之内,证明所提方法可以应用于实际语音交互之中。应用实验表明,采用基于意图识别方法搭建的智能语音交互机器人,无论是在问答交互还是控制命令上,都可以准确对用户英语指令进行识别,根据用户要求进行相关回答或完成相应动...     

未来智能钻井系统

展望了未来智能钻井技术的系统组成、功能及其运行方式.智能钻井新技术是钻井技术、新材料技术、检测控制、微电子技术、通信和计算机、机器人和超微加工技术等的集成.未来的智能钻井将采用轻便车载连续油管全自动钻机,钻井作业中,安置在钻头上的智能机器人将观测和检测到的所有井下参数上传到地面,在钻井的同时完成测井工作;地面人员通过控制钻头运动轨迹和转速,实现遥控智能钻井;起下钻等钻井作业均由地面机器人按指令自动完成;通过通信网络技术,实现全球钻井协同工作.因此,智能钻井将大幅度降低钻井成本,大大提高钻井速度,减少钻井事故的产生,实现井眼轨迹的精确控制,进一步提高石油天然气勘探开发技术水平.     

基于ROS的智能工业机器人系统开发平台

目前,工业机器人对于机器视觉、自主路径规划等智能化功能需求日益增长.然而在传统工业机器人系统中添加智能化功能模块时需要修改大量的源码,浪费了人力和成本.本文提出的基于ROS的易扩展机器人系统开发平台,能为开发者开发智能工业机器人系统提供了方便.本平台分为服务器端和机器人端.将机器人端作为一级节点,与安装ROS的PC服务器端进行通信.机器人一级节点由二级功能节点与功能模块组成.根据此平台开发实现的JPB06六自由度工业机器人系统具有机器视觉、自主定位、语音控制等智能化功能,可以满足工业机器人对于智能化和实时控制的需求.     

基于ROS的溯源机器人系统

针对国内外对物联网和机器人相互结合,让机器人更好的服务于物联网展开的相关研究.本文提出了一种基于ROS与物联网的智能机器人系统.硬件上采用stm32传感器节点、树莓派、OpenWRT路由器、Rplidar雷达和C270罗技摄像头等;软件上使用ROS次级操作系统、Contiki、Tensorflow框架、Camshift算法和SLAM算法等;设计实现感知层的数据采集,基于SLAM的自动溯源,语音控制,机器人的物体追踪,物体自动识别以及web端的视频监控、反向控制和感知层数据实时显示等功能;而后搭建相关的试验环境,对系统与设备的相关功能进行测试,验证系统的可行性.     

基于云平台的智能语音交互机器人设计

现有的语音交互机器人多采用用户提问、机器人回答的单向交流方式,人机交互的智能性和灵活性较差.本文研究运用树莓派(Raspberry Pi)计算机和配套的语音板作为硬件载体,融合语音唤醒、语音识别、语音合成、自然语言处理等人工智能技术,调用科大讯飞开放云平台、在线图灵机器人,搭建一种基于云平台的智能语音交互机器人系统,并...     

A hardware intelligent processing accelerator for domestic service robots

ABSTRACT

We present a method for implementing hardware intelligent processing accelerator on domestic service robots. These domestic service robots support human life; therefore, they are required to recognize environments using intelligent processing. Moreover, the intelligent processing requires large computational resources. Therefore, standard personal computers (PCs) with robot middleware on the robots do not have enough resources for this intelligent processing. We propose a ‘connective object for middleware to an accelerator (COMTA),’ which is a system that integrates hardware intelligent processing accelerators and robot middleware. Herein, by constructing dedicated architecture digital circuits, field-programmable gate arrays (FPGAs) accelerate intelligent processing. In addition, the system can configure and access applications on hardware accelerators via a robot middleware space; consequently, robotic engineers do not require the knowledge of FPGAs. We conducted an experiment on the proposed system by utilizing a human-following application with image processing, which is commonly applied in the robots. Experimental results demonstrated that the proposed system can be automatically constructed from a single-configuration file on the robot middleware and can execute the application 5.2 times more efficiently than an ordinary PC.     

Path planning of fire-escaping system for intelligent building

We present the path-planning techniques of the fire-escaping system for intelligent building, and use multiple mobile robots to present the experimental scenario. The fire-escaping system contains a supervised computer, an experimental platform, some fire-detection robots and some navigation robots. The mobile robot has the shape of a cylinder, and its diameter, height and weight are 10?cm, 15?cm and 1.5?kg, respectively. The mobile robot contains a controller module, two DC servomotors (including drivers), three IR sensor modules, a voice module and a wireless RF module. The controller of the mobile robot acquires the detection signals from reflective IR sensors through I/O pins and receives the command from the supervised computer via wireless RF interface. The fire-detection robot carries the flame sensor to detect fire sources moving on the grid-based experiment platform, and calculates the more safety escaping path using piecewise cubic Bezier curve on all probability escaping motion paths. Then the user interface uses A* searching algorithm to program escaping motion path to approach the Bezier curve on the grid-based platform. The navigation robot guides people moving to the safety area or exit door using the programmed escaping motion path. In the experimental results, the supervised computer programs the escaping paths using the proposed algorithms and presents movement scenario using the multiple smart mobile robots on the experimental platform. In the experimental scenario, the user interface transmits the motion command to the mobile robots moving on the grid-based platform, and locates the positions of fire sources by the fire-detection robots. The navigation robot guides people leaving the fire sources using the low-risk escaping motion path and moves to the exit door.     

基于深度学习的巡检机器人避障轨迹自动控制系统设计

为了提高巡检机器人在复杂环境下的避障能力,使机器人能够安全地完成巡检任务,设计基于深度学习的巡检机器人避障轨迹自动控制系统。设计由CCD传感器、信号处理芯片等设备组成的工业智能视觉CCD相机,基于FPGA和USB2.0的视频采集卡传输采集数据,完成硬件部分的设计。在软件设计中,对采集的图像实施目标分割、双目目标匹配等预处理,通过对摄像头实施双目视觉标定获取障碍物空间位置三维信息,基于深度学习中的CRNN设计机器人自主避障规划网络模型,并设计模糊轨迹控制器,实现避障中的轨迹自动控制。系统测试结果表明,设计系统最终成功避开了三个动态障碍物,最大轨迹控制误差的最大值为1.45°,最小轨迹控制误差的最大值为0.62°,动态避障巡检速度始终在3.5m/s左右,表现出了精准而稳定的轨迹控制效果。     

面向智能家居/智慧生活的服务机器人技术与系统

随着机器人技术的发展以及服务机器人形态的日益丰富,智能家居/智慧生活逐渐成为一种未来的生活方式。文章探索了智能家居和智慧生活的服务机器人技术与系统,在其众多的关键技术中,重点探讨了面向服务机器人的云端融合技术以及高用户体验度的人-机器人交互技术。并以家庭服务机器人为例,实现了基于微信和语音云的人-机器人交互方式,验证了基于云架构的家庭服务机器人体系结构的可行性。文章所提出的服务机器人技术与系统是智能家居、智慧生活的一种实现方式,为未来形形色色的服务机器人技术方案提供了一些思路。     

移动机器人非视觉传感器及其信号处理方法

非视觉传感器是机器人认识和了解外部环境的重要途径，移动机器人常用的非视觉 传感器包括超声、红外、接近传感器等．这些传感器大多是以环或阵列的形式出现，因此其 信号处理往往要占用机器人大量的CPU时间．本文提出了一种采用多DSP控制和处理各类非视 觉传感器的方法，给出了传感器信号处理的原理和具体实现．同时我们引入了并行处理的机 制，各类传感器信号处理可同时进行，在很大程度上提高了机器人传感器信号处理的速度， 有利于机器人在实时动态环境中运行．并给出了非视觉传感器信号处理的实验结果，验证了 该方法的有效性．      

基于虚拟现实技术的移动机器人视觉伺服控制系统设计

为了有效确保移动机器人视觉伺服控制效果,提高移动机器人视觉伺服控制精度,设计了基于虚拟现实技术的移动机器人视觉伺服控制系统。通过三维视觉传感器和立体显示器等虚拟环境的I/O设备、位姿传感器、视觉图像处理器以及伺服控制器元件,完成系统硬件设计。从运动学和动力学两个方面,搭建移动机器人数学模型,利用标定的视觉相机,生成移动机器人实时视觉图像,通过图像滤波、畸变校正等步骤,完成图像的预处理。利用视觉图像,构建移动机器人虚拟移动环境。在虚拟现实技术下,通过目标定位、路线生成、碰撞检测、路线调整等步骤,规划移动机器人行动路线,通过控制量的计算,实现视觉伺服控制功能。系统测试结果表明,所设计控制系统的位置控制误差较小,姿态角和移动速度控制误差仅为0.05°和0.12m/s,移动机器人碰撞次数较少,具有较好的移动机器人视觉伺服控制效果,能够有效提高移动机器人视觉伺服控制精度。