隨著機(jī)器人行業(yè)創(chuàng)造的巨大經(jīng)濟(jì)價值,各國的戰(zhàn)略發(fā)展目標(biāo)中都有機(jī)器人領(lǐng)域的一席之地。機(jī)器人技術(shù)的飛速發(fā)展,特別是在人工智能領(lǐng)域的不斷突破,帶動大量產(chǎn)業(yè)轉(zhuǎn)型升級,走向智能化方向。工業(yè)機(jī)械臂運(yùn)動軌跡研究是實現(xiàn)自動化工業(yè)生產(chǎn)線轉(zhuǎn)型升級成為智能工廠的基礎(chǔ)。當(dāng)前機(jī)器人運(yùn)動規(guī)劃存在著學(xué)習(xí)能力不強(qiáng)、泛化能力不足、調(diào)整運(yùn)動軌跡靈活性不夠等問題�；诖�,本文提出了一種新穎的模仿學(xué)習(xí)方法:基于改進(jìn)動態(tài)運(yùn)動基元(iDMPs)-曲線高斯回歸算法(AcaGMR)的機(jī)械臂軌跡規(guī)劃研究。該方法主要包括兩部分:模型優(yōu)化和算法優(yōu)化。模型優(yōu)化:針對DMPs的不足,改變其相變量與時間非線性關(guān)系,解決其在表征學(xué)習(xí)的特征抽取環(huán)節(jié)會提取到錯誤信息問題的同時對局部加權(quán)算法進(jìn)行優(yōu)化,提出了改進(jìn)動態(tài)運(yùn)動基元模型(iDMPs);算法優(yōu)化:在改進(jìn)動態(tài)運(yùn)動基元模型(iDMPs)基礎(chǔ)上,采用曲線高斯回歸算法代替原來局部加權(quán)回歸算法。實驗驗證該方法擁有更好的模仿學(xué)習(xí)效果。本文的主要研究工作如下:首先,對回歸思想進(jìn)行一定的歸納總結(jié),詳細(xì)介紹了機(jī)器學(xué)習(xí)中的基函數(shù)和核函數(shù),并推導(dǎo)得到基礎(chǔ)回歸表達(dá)式。接著分別闡述了局部加權(quán)算法、高斯混合算法、曲線高斯算法,...

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1服務(wù)機(jī)器人

大賽中大敗職業(yè)選手等等。隨著機(jī)器人技術(shù)的不斷發(fā)展，眾多相關(guān)產(chǎn)業(yè)逐漸轉(zhuǎn)型升級走向智能方向，機(jī)器人在國家經(jīng)濟(jì)發(fā)展中占有比重的不斷增大，令其成為世界各國爭相發(fā)展的主要目標(biāo)。機(jī)器人已經(jīng)在世界經(jīng)濟(jì)的眾多行業(yè)展現(xiàn)出它的影響力[4]，如圖1-1服務(wù)機(jī)器人，如圖1-2工業(yè)機(jī)器人等。

圖1-2工業(yè)機(jī)器人

大賽中大敗職業(yè)選手等等。隨著機(jī)器人技術(shù)的不斷發(fā)展，眾多相關(guān)產(chǎn)業(yè)逐漸轉(zhuǎn)型升級走向智能方向，機(jī)器人在國家經(jīng)濟(jì)發(fā)展中占有比重的不斷增大，令其成為世界各國爭相發(fā)展的主要目標(biāo)。機(jī)器人已經(jīng)在世界經(jīng)濟(jì)的眾多行業(yè)展現(xiàn)出它的影響力[4]，如圖1-1服務(wù)機(jī)器人，如圖1-2工業(yè)機(jī)器人等。

圖1-3反恐防爆機(jī)器人如圖1-4四足機(jī)器人如圖1-4，其可以靈活運(yùn)動，期望可以在災(zāi)害現(xiàn)場完成搜救任務(wù)；德國比勒菲爾

機(jī)器人技術(shù)已經(jīng)關(guān)系到了每個國家的經(jīng)濟(jì)現(xiàn)狀，多年對機(jī)器人技術(shù)研究的投入也取得了顯著的效果[13]，如美國已經(jīng)研制的反恐防爆機(jī)器人，如圖1-3，其可以避免警員在危險區(qū)域觸碰爆炸裝置；日本電氣通信大學(xué)研制的四足機(jī)器人，

圖1-5強(qiáng)化學(xué)習(xí)模型

動作a圖1-5強(qiáng)化學(xué)習(xí)模型的基礎(chǔ)就是智能體與環(huán)境之間的信息交換，在信息交換過循環(huán)以下過程：

本文編號：3936876