期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
C++与Prolog双向数据交换实现混合控制架构下机器人任务规划 被引量:2
1
作者 武桂鑫 许烁 《计算机应用》 CSCD 北大核心 2015年第A01期203-205,225,共4页
在慎思/反应混合控制架构下开展定性推理与定量计算相结合的分层规划是机器人任务规划研究的一条可行途径。针对分层任务规划中存在的软件工具实现方面的问题,提出C++与人工智能语言Prolog相结合的解决方案。围绕服务机器人作业研究中... 在慎思/反应混合控制架构下开展定性推理与定量计算相结合的分层规划是机器人任务规划研究的一条可行途径。针对分层任务规划中存在的软件工具实现方面的问题,提出C++与人工智能语言Prolog相结合的解决方案。围绕服务机器人作业研究中的一个典型案例,开发了C++与Prolog双向加载的接口程序,开展了Prolog加载C++程序以及C++加载Prolog程序的实验研究,分别取得了单向数据传输和双向数据传输的实验结果,实现了机器人分层任务规划的完整流程。研究方法具有一般性,可在不同工程应用、不同Prolog开发环境中扩展应用,特别适用于将C++作为平台、Prolog作为知识库与推理机子系统的软件系统中。 展开更多
关键词 C/C++ PROLOG 混合编程 数据交换 机器人任务规划 慎思/反应混合控制架构
下载PDF
基于异质交互式文化混合算法的机器人探测任务规划 被引量:3
2
作者 余伶俐 蔡自兴 《机器人》 EI CSCD 北大核心 2009年第2期137-145,共9页
针对机器人任务规划的混合算法缺乏通用结构框架的问题,借鉴文化进化的双重结构思想,提出一种交互式仿生群协进化混合算法体系框架.它包括基于佳点集遗传算法的上层知识空间、基于离散粒子群优化的底层主群空间、自上而下的影响机制和... 针对机器人任务规划的混合算法缺乏通用结构框架的问题,借鉴文化进化的双重结构思想,提出一种交互式仿生群协进化混合算法体系框架.它包括基于佳点集遗传算法的上层知识空间、基于离散粒子群优化的底层主群空间、自上而下的影响机制和自下而上的接受机制,以实现异质种群交互;通过预留用户评价接口,实现了算法的人机交互.为提高粒子群优化性能,运用佳点集初始化主群空间,使初始粒子均匀分布于可行解内;提出新的粒子进化模型并定义粒子进化力指标,提高了种群的多样性和算法稳定性;通过引入邻域局部搜索策略增强算法的搜索能力.最后,采用TSPLIB标准数据对异质交互式文化混合算法(HICHA)进行测试,实验结果表明,该算法无论是在收敛速度或稳定性方面,还是在求解质量方面,均优于其它算法.HICHA为机器人探测任务规划问题的解决提供了新思路. 展开更多
关键词 机器人任务规划 文化进化 离散粒子群优化 佳点集遗传算法 异质交互式文化混合算法(HICHA)
下载PDF
基于空间结构化推理深度融合网络的RGB-D场景解析 被引量:4
3
作者 王泽宇 吴艳霞 +1 位作者 张国印 布树辉 《电子学报》 EI CAS CSCD 北大核心 2018年第5期1253-1258,共6页
为了弥补RGB-D场景解析中卷积神经网络空间结构化学习能力的不足,本文基于深度学习提出空间结构化推理深度融合网络,内嵌的结构化推理层有机地结合条件随机场和空间结构化推理模型,该层能够较为全面而准确地学习物体所处三维空间的物体... 为了弥补RGB-D场景解析中卷积神经网络空间结构化学习能力的不足,本文基于深度学习提出空间结构化推理深度融合网络,内嵌的结构化推理层有机地结合条件随机场和空间结构化推理模型,该层能够较为全面而准确地学习物体所处三维空间的物体分布以及物体间的三维空间位置关系.在此基础上,网络的特征融合层巧妙地利用深度置信网络和改进的条件随机场,该层可以根据融合生成的物体综合语义信息和物体间语义相关性信息完成深度结构化学习.实验结果表明,在标准RGB-D数据集NYUDv2和SUNRGBD上,空间结构化推理深度融合网络分别实现最优的平均准确率53.8%和54.6%,从而有助于实现机器人任务规划、车辆自动驾驶等智能计算机视觉任务. 展开更多
关键词 RGBD场景解析 深度学习 卷积神经网络 条件随机场 空间结构化推理模型 深度置信网络 计算机视觉 机器人任务规划 车辆自动驾驶
下载PDF
神经符号学及其应用研究
4
作者 蔡莹皓 杨华 +4 位作者 安璇 王文硕 杜沂东 张嘉韬 王志刚 《智能科学与技术学报》 2022年第4期560-570,共11页
深度学习在感知智能上的不断突破推动了人工智能在各领域的广泛应用。但在实际落地过程中,只有把感知智能提高到更高层的认知智能,才能更好地满足日益复杂的应用需求。神经符号学将擅长感知任务的神经网络方法和擅长推理任务的逻辑符号... 深度学习在感知智能上的不断突破推动了人工智能在各领域的广泛应用。但在实际落地过程中,只有把感知智能提高到更高层的认知智能,才能更好地满足日益复杂的应用需求。神经符号学将擅长感知任务的神经网络方法和擅长推理任务的逻辑符号学有机地融合在一起,是实现高层认知智能的途径之一。基于此,提出了一套神经符号学的实用框架NSFOL,并基于NSFOL实现了机器人任务规划、自学习机器人运动规划和教育实验视频评估3个典型应用。实验结果表明,尽管NSFOL尚未完善,但是它已经能够很好地支持相关应用,在可学习、可推理、可解释和可泛化方面具备一定的优势。希望通过阐述神经符号学的阶段性研究成果,激发更多的思考和研究,共同推动神经符号学的发展。 展开更多
关键词 人工智能 神经符号学 机器人任务规划 机器人运动规划 教育实验视频评估
下载PDF
Task Oriented Optimal Grasp Planning by Three Fingered Robot Hands
5
作者 钱瑞明 颜景平 《Journal of Southeast University(English Edition)》 EI CAS 1998年第1期57-63,共7页
This paper presents a way for research on grasp planning of three fingered robot hands. According to the assortment of human hand grasping, two typical grasping poses for three finger grasps are summarized. The task... This paper presents a way for research on grasp planning of three fingered robot hands. According to the assortment of human hand grasping, two typical grasping poses for three finger grasps are summarized. The task requirements, the geometrical and physical features of the object and the information from the environment are synthesized. Grasp pose is deduced by task analysis, and the graspable plane is sought and determined. The process of grasp planning is finally carried out by determining three grasp points on the feasible grasp plane. 展开更多
关键词 multifingered robot hand GRASP PLAN grasp task
下载PDF
Multi-robot task allocation for exploration 被引量:3
6
作者 高平安 蔡自兴 《Journal of Central South University of Technology》 EI 2006年第5期548-551,共4页
The problem of allocating a number of exploration tasks to a team of mobile robots in dynamic environments was studied. The team mission is to visit several distributed targets. The path cost of target is proportional... The problem of allocating a number of exploration tasks to a team of mobile robots in dynamic environments was studied. The team mission is to visit several distributed targets. The path cost of target is proportional to the distance that a robot has to move to visit the target. The team objective is to minimize the average path cost of target over all targets. Finding an optimal allocation is strongly NP-hard. The proposed algorithm can produce a near-optimal solution to it. The allocation can be cast in terms of a multi-round single-item auction by which robots bid on targets. In each auction round, one target is assigned to a robot that produces the lowest path cost of the target. The allocated targets form a forest where each tree corresponds a robot’s exploring targets set. Each robot constructs an exploring path through depth-first search in its target tree. The time complexity of the proposed algorithm is polynomial. Simulation experiments show that the allocating method is valid. 展开更多
关键词 multi-robot systems task allocation average path cost multi-round single-item auction target tree
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部