基于极限学习机的机器人示教学习研究.docx
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《基于极限学习机的机器人示教学习研究.docx》由会员分享,可在线阅读,更多相关《基于极限学习机的机器人示教学习研究.docx(6页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、基于极限学习机的机器人示教学习研究欧勇盛导语:机器人的智能化经太多年度的开展,已越来越贴近人类,使其成为具有人类的学习才能、运动才能、执行才能、感悟才能、认知才能等的新型智能机器人是人类追求的目的。的智能化经太多年度的开展,已越来越贴近人类,使其成为具有人类的学习才能、运动才能、执行才能、感悟才能、认知才能等的新型智能机器人是人类追求的目的,其中示教学习是研究机器人学习才能的重要分支之一,是智能型仿人机器人开展和应用的关键。因此,对于示教学习的研究一直是学术界研究的热点。近年度来,为到达机器人能准确、快速的完成人类导师对其示教的动作,出现了许多示教方法,如日本Kondo公司消费的KHR系列机器
2、人,采用直接输入机器人各个关节角度的方式进展示教;美国戴沃尔提出利用伺服技术对机器人的关节进展控制,人手对机器人进展动作示教,机器人记录示教经过中的示教数据并进展再现;曹其新等人那么提出了利用在获得人体各关节转角的三维坐标后,将其输入到控制器中进展示教,并采用基于速度的有选择均值滤波法对控制数据进展处理,以上示教方法在人类对机器人进展示教研究的进程中,做出了重要的奉献,起到了很大的推动作用,但机器人完成示教动作的准确性、重现的速度及传感器数据抖动方面扔有待进步。在系统控制策略方面,有许多算法被相继应用于机器人示教领域,如高斯混合模型、强化学习、试错学习等。以上方法在用于系统控制时,固然表现出了
3、良好的系统稳定性及有效性,但也存在各自的缺点,如训练时间长、生成的轨迹连续性不好等。极限学习机ELM(ExtremeLearningMachine)是针对上述算法的缺陷设计的一种新型算法,其具有泛化学习才能强、训练速度快等方面的优点。综上所述,为了使机器人示教系统具有很好的自适应性及鲁棒性,即机器人能按照示教动作,在不同起始点上仍按照示教的轨迹回到终点位置,使得机器人具有一定的智能性及自学习才能,并针对上述算法的缺点,本文选用教学研究型机器人NAO为实验平台,采用扳动其手臂关节的方式进展示教,同时构建了以极限学习机为核心算法的机器人示教系统,并通过实验验证了该算法能使系统具有一定的泛化才能。控
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 极限 学习机 机器人 教学 研究
![提示](https://www.deliwenku.com/images/bang_tan.gif)
限制150内