排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
机器人卫星自主控制系统地面微重力实验平台1)刘宏洪炳熔彭成宝蔡鹤皋(哈尔滨工业大学,哈尔滨150001)本文介绍了我国自行研制的第一个机器人卫星自主控制系统地面微重力实验平台的关键技术及“九五”期间将开发的新一代机器人卫星自主控制系统地面微重力实验平... 相似文献
3.
机器人足球比赛——发展人工智能的里程碑 总被引:35,自引:0,他引:35
<正> 足球运动是使亿万观众为之倾倒和激动人心的体育比赛项目,而机器人是集各种高新技术于一体的尖端科学技术,因此将这两者结合的机器人足球比赛无疑是具有挑战性的高难度的项目。机器人足球比赛已成为发展人工智能的新里程碑,也是反映一个国家综合技术水平的一个小平台上的“技术战争”,受到学术界、产业界、军事界及体育界的高度重视。 何谓机器人足球比赛 机器人足球比赛是在一个130cm×150cm大小的足球比赛平台上由两个机器人球队互相攻球的比赛,进球多的球队取胜。每个球队现在由3个移动式机器人组成,将来要增加到5个或11个。每个机器人由小车、控制器、视觉、通信、决策等 相似文献
4.
5.
6.
7.
一种新的移动机器人全局定位算法 总被引:4,自引:0,他引:4
粒子滤波器能够给出移动机器人全局定位非线性非高斯模型的近似解.然而,当新感知出现在先验概率的尾部或者与先验相比感知概率太尖时,传统的粒子滤波器会退化导致定位失败.本文提出了一种重要性采样跟中心差分滤波器(central difference filter,CDF)相结合的新算法,并对测量更新步的加权粒子集应用基于KD-树的加权期望最大(weighted expectation maximization,WEM)自适应聚类算法获得表示机器人位姿状态后验密度的高斯混合模型(Gaussian mixture model,GMM).实验结果表明,新方法提高了定位准确率,降低了计算复杂度. 相似文献
8.
不确定性环境下基于进化算法的强化学习 总被引:2,自引:0,他引:2
不确定性和隐状态是目前强化学习所要面对的重要难题.本文提出了一种新的算法MA-Q-learning算法来求解带有这种不确定性的POMDP问题近似最优策略.利用Memetic算法来进化策略,而Q学习算法得到预测奖励来指出进化策略的适应度值.针对隐状态问题,通过记忆agent最近经历的确定性的有限步历史信息,与表示所有可能状态上的概率分布的信度状态相结合,共同决策当前的最优策略.利用一种混合搜索方法来提高搜索效率,其中调整因子被用于保持种群的多样性,并且指导组合式交叉操作与变异操作.在POMDP的Benchmark实例上的实验结果证明本文提出的算法性能优于其他的POMDP近似算法. 相似文献
9.
10.
未知环境下基于传感器的移动机器人路径规划 总被引:5,自引:2,他引:3
本文提出了基于传感器的移动机器人路径规划方法.该方法改进了Bug算法中的两个前提假设,综合考虑了传感器的数据误差和机器人形体尺寸,规划时只考虑当前状态下所必需的传感数据,不必计算障碍物边线的解析式,节省了存储空间,提高了规划效率,保证了算法的实时性,并对算法的收敛性给予了证明.最后用仿真实验验证了该方法的可行性. 相似文献