基于神经网络的多任务学习机器人

目前绝大多数智能机器人具有较高的鲁棒性,但其基于具体行为的实现方法都需要程序员对相应的任务进行手工编程。然而,环境是复杂多样的,而要使得机器人能够在多种环境下进行任务,需要程序员将各种情况考虑在内,这样的系统对环境并不具有适应性,让机器人的应用受到了局限。基于此,提出的自主学习机器人以类人形机器人为基本模型,以神经网络为基础,通过人体对机器人进行示范,训练一个能识别人关节姿态的完备的神经网络。当机器人身处不同环境执行任务时,能够做出适应环境变化的动作。为此所设计的学习机器人系统的特色就在于使用神经网络具有学习能力,提高机器人对环境的适应能力,从而让任务执行更加灵活,使得机器人拥有更广阔的应用前景。