4自由度含局部闭链式码垛机器人动力学优化设计

提出一种4自由度含局部闭链式码垛机器人动力学优化设计方法。在建立其刚体动力学模型的基础上,提出在目标轨迹及确定运动规律下,以机器人大臂与小臂关节驱动力矩基于目标轨迹上的最大值最小作为动力学优化目标。在此基础上,构造有约束的多目标优化问题,并利用理想点法将该多目标优化问题转化成单目标优化问题加以解决。工程实例证明利用所提方法优化后得到的机器人尺度参数,能够使机器人在目标轨迹上的动力学性能明显改善,大臂与小臂关节驱动力矩峰值降幅分别为9.782%和8.207%,说明优化方法合理、有效。

一个监控式局部自主机器人控制器的实现与分析

本文介绍了一个严格监督控制（Ｓｕｐｅｒｖｉｓｏｒｙｃｏｎｔｒｏｌ）定义下的局部自主机器人控制器ＧＫＤ３的设计和实现，并从监督控制理论的角度，对ＧＫＤ３的体系结构和功能进行了分析和讨论。

基于势场法的移动机器人路径规划仿真研究

针对势场法的障碍物附近目标不可达(GNRON)问题,采用改进斥力势场函数,把机器人和目标的相对距离考虑进去,从而确保目标点为整个势场的全局最小点,使得机器人能够顺利到达目标。针对局部极小引起的陷阱区域问题,提出了增加引导点的方法,使得机器人能够快速走出陷阱区域,向目标点移动。通过仿真实验,还实现了机器人在限定区域内漫游。改进后的势场法适用于复杂环境下的移动机器人路径规划。仿真结果证明了此方法的有效性。

基于异质信息融合的网络图像半监督学习方法

网络图像通常包含文本、颜色和纹理等异质信息.本文提出了一种基于多类异质信息融合的网络图像半监督学习方法—局部协同训练(Local co-training,LCT).该方法在每个视图(对应一类信息)上对每个样本点的邻域构建线性局部模型,利用一组局部模型来表示数据关系;基于信息传播和协同训练对模型进行增量式迭代更新.该算法在协同训练和基于图正则化的方法这两类半监督学习算法间建立了桥梁.局部协同训练算法能够准确地描述样本的复杂分布,并且可以进行高效的增量学习,有利于大规模网络图像的在线学习.在Corel,Pascal和ImageNet数据集上的实验结果表明该方法具有良好的性能.

马克思主义关于人的全面发展学说研究中的几个问题

马克思主义关于人的全面发展学说,是一个十分重要的基本理论.研究者历来分歧颇多.研究这一学说不仅有重要的理论价值,而且对于两个文明建设特别是社会主义精神文明建设和贯彻教育“三个方向”,具有重大的实践意义.几年来,《教育研究》等学术刊物发表了不少讨论这个问题的论文,读后得益非浅.但也感到还有几个问题值得进一步研究,诸如人的全面发展究竟是指什么?包不包括精神、道德方面的发展?怎样理解人的全面发展的实现过程?对上述问题的不同回答,又同人们据以研究的理论与方法密切相关.本文拟就上述几个问题谈点粗浅意见.

面向局部可解释性机器学习的数据故事生成方法研究

[目的/意义]针对实践中数据故事应包含哪些内容、创作流程是什么等问题,提出一种数据故事生成方法,以期为数据故事的创作提供理论指导。[方法/过程]在前人的研究基础上,基于数据科学、认知科学、自然语言处理和可解释性机器学习等理论,提出一种面向局部可解释性机器学习的数据故事生成方法,该方法对数据故事的生成步骤和创作方式进行详细的阐述和说明。同时对LIME算法的输出进行改进,使其更易理解。在此基础上对提出的数据故事化方法进行案例实现,以验证方法的可行性。[结果/结论]提出的数据故事生成方法有助于丰富数据故事化研究的理论体系,同时为数据故事的生成研究和数据故事化工具的研发提供一定的启示。

Virtual local target method for avoiding local minimum in potential field based robot navigation

A novel robot navigation algorithm with global path generation capability is presented. Local minimum is a most intractable but is an encountered frequently problem in potential field based robot navigation.Through appointing appropriately some virtual local targets on the journey, it can be solved effectively. The key concept employed in this algorithm are the rules that govern when and how to appoint these virtual local targets. When the robot finds itself in danger of local minimum, a virtual local target is appointed to replace the global goal temporarily according to the rules. After the virtual target is reached, the robot continues on its journey by heading towards the global goal. The algorithm prevents the robot from running into local minima anymore. Simulation results showed that it is very effective in complex obstacle environments.