基于区块链技术的智慧学习机器人设计研究——面向大规模学习服务系统的智慧学习机器人

智慧学习机器人是基于人工智能的大规模个性化学习服务支持体系中的核心节点,由此将带来集中式存储的教育大数据学习服务认证和安全的挑战。基于区块链技术的设计,将成为解决问题的一种新型的系统体系。通过区块链技术实现的智慧学习机器人,可以成为多情境学习记录连续性的有效支持创新方法。区块链技术已经开始在教育教学领域产生影响,尤其是在学生入学评估、学习认证和记录、能力档案证书、学分互认与综合等诸多方面。本研究所针对的智慧学习机器人是服务于中小学阶段的学生,面向家庭、学校以及社区的大规模学习服务应用,基于区块链技术将正式学习和非正式学习管理为一体的不限终端的移动学习系统。该应用可以打破学习地点的固定性,启动学习资源的灵活性,同时记录学习者的学习过程,监督学习者的学习质量,从而在基于大规模学习服务体系中,起到了深度个性化智慧学习的支持效果。

改进人工势场与TAS-RRT融合优化算法

针对人工势场法易陷入局部极小值的缺陷,提出旋转速度矢量角以精确定位逃离点,并将TAS-RRT算法与人工势场算法结合进行动态路径规划。采用人工势场法进行避障规划,当陷入局部最小值时,使用基于速度矢量角度差引导的快速随机扩展树算法调节扩张速度,自适应地寻找逃离点,对RRT算法的采样策略和局部规划器进行改进,使搜索过程快速跳出局部极小值,当采样点的旋转速度矢量角满足条件时,切换人工势场进行规划。仿真实验表明,TAS-RRT算法引导路径快速渐进逃离点,与人工势场结合进行运动规划,能适应环境的变化,控制精度和处理速度得到大大提高。

DELTA并联机器人工作空间求解

DELTA机器人工作空间形状特殊且复杂而难以直观的方式表示,不利于机器人的轨迹规划和控制等,因此提出一种方法,可以将DELTA机器人工作空间直观地表示。首先采用几何法对DELTA并联机器人进行运动学正解求解,然后在MATLAB里进行仿真分析,并将工作空间以空间三维图形的形式直观地表示出来。所提出的方法不仅能解决DELTA机器人工作空间难以直观的方式表示这一难题,而且能为机器人的轨迹规划和控制等提供一定参考。