机器人研究

灵巧的工业机械手,在先进的工业视觉的根源机器人工作进行的人工智能(AI)实验室自1960年代末。然而,甚至比与AI本身,这些成就远远的激励与广泛的人类视觉的机器的能力。识别和操作对象的技术,可靠的导航空间,和计划的行动在一些狭窄,限制上下文在更一般的情况下,但他们失败了。

第一个机器人视觉项目,追求到1970年代早期,使用统计公式检测线性边界机器人相机图像和聪明的几何推理链接这些线到可能的对象的边界,提供一个内部的模型,他们的世界。进一步的几何公式相关对象所需的必要的关节角位置允许一个机器人的手臂抓住他们,或转向和驱动运动获得移动机器人(或)的对象。这种方法是单调乏味的经常项目和失败时的图像复杂性误导的第一步。试图在1970年代末,通过添加一个克服这些限制专家系统组件进行视觉分析主要是使程序更加unwieldy-substituting复杂简单故障的新困惑。

在1980年代中期罗德尼•布鲁克斯麻省理工学院人工智能实验室的使用这个僵局推出高度可见的新运动,拒绝了努力机器创建内部模型的环境。相反,布鲁克斯和他的追随者们写计算机程序和简单的连接传感器输入电动机输出子程序,每个子程序编码等行为避免感觉障碍或走向一个检测到的目标。有证据表明,许多昆虫功能很大程度上这种方式,一样的部分更大的神经系统。导致一些非常吸引人的方法insectlike机器人,但是与实际insects-their行为不稳定的,因为他们的传感器暂时误导,证明的方法不适合大的机器人。此外,这种方法没有直接提供机制用于指定长,复杂的行动序列存在的理由肯定工业机器人机械手和未来的家用机器人(但是请注意,2004年iRobot公司卖出了超过一百万机器人吸尘器能够简单insectlike行为,首次服务机器人)。

与此同时,其他研究人员继续奉行各种技术使机器人能够感知周围环境和跟踪自己的动作。一个著名的例子包括半自治移动机器人的探索火星表面。因为长传输时间信号,这些“漫游者”必须能够谈判短期干预措施从地球之间的距离。

一个特别有趣的试验田自治移动机器人的研究足球(足球)。在1993年一个国际社区研究人员组织了一个长期计划开发的机器人能够玩这项运动,进行年度与进展机比赛。第一个本届运动会于1997年在名古屋举行,日本竞争,团队进入三个类:计算机模拟小型机器人,中型机器人。只是发现和推动球是一个重大成就,但事件鼓励参与者分享研究,在随后几年发挥了很大的改善。1998年索尼开始为研究人员提供可编程的欧宝新竞争范畴;这给团队一个标准可靠的预构建的硬件平台,软件实验。

机器人足球时帮助协调和集中研究一些专业技能,涉及更广泛的研究能力是支离破碎的。传感器声纳、激光测距仪、照相机、和特殊光来源使用算法这种模式图像或空间利用各种几何形状以及试图推导出机器人的位置,和附近其他东西是什么,如何完成不同的任务。更快的处理器在1990年代已经启用新的开发,广泛有效的技术。例如,通过统计大量称重传感器测量,计算机可以减轻单独混淆数据引起的反射,堵塞,坏照明,或其他并发症。另一种技术使用“自动”学习将传感器输入的实例,对象或情况或传感器状态直接转化为期望的行为。联结主义包含成千上万的adjustable-strength连接神经网络最著名的学习者,但更小、更专业的框架通常学习更快更好。在有些情况下,一个程序,做正确的事,几乎可以预先安排好的也有“调整旋钮来调整行为。另一种学习记得大量的输入实例及其正确的反应和篡改他们之间处理新输入。这些技术已经在广泛使用计算机软件,将语音转换成文本。