| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-29页 |
| 1.1 课题研究的背景、目的及意义 | 第13-14页 |
| 1.2 写字机器人研究的历史与现状 | 第14-17页 |
| 1.3 智能移动写字机器人功能分析及国内外研究现状 | 第17-27页 |
| 1.3.1 部分遮挡目标识别 | 第18-20页 |
| 1.3.2 目标深度信息获取 | 第20页 |
| 1.3.3 动作学习 | 第20-25页 |
| 1.3.4 异常处理 | 第25-27页 |
| 1.4 本文的主要研究内容与章节安排 | 第27-29页 |
| 第2章 基于KINECT深度图像的写字场景中环境知识获取与处理 | 第29-49页 |
| 2.1 KINECT FOR XBOX360及深度成像原理简介 | 第30-31页 |
| 2.2 深度图像滤波 | 第31-39页 |
| 2.2.1 已有方法 | 第32-34页 |
| 2.2.2 组合滤波算法 | 第34页 |
| 2.2.3 实验与分析 | 第34-39页 |
| 2.3 深度图像目标分割 | 第39-46页 |
| 2.3.1 已有的深度图像分割研究 | 第39-40页 |
| 2.3.2 基于深度梯度与K-均值聚类的平面分割算法 | 第40-42页 |
| 2.3.3 实验与分析 | 第42-46页 |
| 2.4 深度图像目标尺寸获取 | 第46-47页 |
| 2.5 本章小结 | 第47-49页 |
| 第3章 基于BILATTICE推理框架的写字场景中部分遮挡目标识别 | 第49-67页 |
| 3.1 基于谓词逻辑的推理 | 第50-52页 |
| 3.1.1 传统推理框架及存在的问题 | 第50-51页 |
| 3.1.2 基于谓词推理的目标识别相关研究 | 第51-52页 |
| 3.2 BILATTICE推理框架 | 第52-56页 |
| 3.2.1 Bilattice定义 | 第52-53页 |
| 3.2.2 基于Bilattice框架的推理 | 第53-54页 |
| 3.2.3 模式语法 | 第54-56页 |
| 3.3 基于BILATTICE推理框架与组合SVM的部分遮挡目标识别方法 | 第56页 |
| 3.4 部分遮挡目标识别 | 第56-66页 |
| 3.4.1 方向梯度直方图特征提取 | 第56-58页 |
| 3.4.2 SVM训练 | 第58-59页 |
| 3.4.3 局部目标识别结果与分析 | 第59-63页 |
| 3.4.4 Bilattice推理结果 | 第63-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第4章 基于GNG表示状态与NATURAL ACTOR-CRITIC的写字机器人动作学习 | 第67-85页 |
| 4.1 基于GNG网络的MDP问题状态空间表示 | 第68-72页 |
| 4.1.1 GNG相关基础概念 | 第68-69页 |
| 4.1.2 GNG算法 | 第69-70页 |
| 4.1.3 实验 | 第70-72页 |
| 4.2 NATURAL ACTOR-CRITIC介绍 | 第72-77页 |
| 4.2.1 Actor-critic结构 | 第72-73页 |
| 4.2.2 Natural Actor-critic | 第73-77页 |
| 4.3 ENAC算法学习CART/POLE平衡实验 | 第77-80页 |
| 4.3.1 Cart/pole物理模型及实验参数设置 | 第77-78页 |
| 4.3.2 实验结果与分析 | 第78-80页 |
| 4.4 基于GNG表示状态与ENAC算法的写字机器人转身动作学习 | 第80-83页 |
| 4.4.1 实验设计 | 第80-82页 |
| 4.4.2 实验与分析 | 第82-83页 |
| 4.5 本章小结 | 第83-85页 |
| 第5章 基于改进的主动逻辑和元认知环的写字机器人常识推理与异常处理 | 第85-109页 |
| 5.1 主动逻辑 | 第86-92页 |
| 5.1.1 常识推理存在的问题 | 第86页 |
| 5.1.2 主动逻辑 | 第86-88页 |
| 5.1.3 基于常识之间关系的矛盾知识检测和处理方法 | 第88-89页 |
| 5.1.4 规则验证 | 第89-92页 |
| 5.2 元认知环 | 第92-96页 |
| 5.2.1 元认知环 | 第92-93页 |
| 5.2.2 元认知环增强的Q-学习 | 第93-94页 |
| 5.2.3 整合元认知推理的双环结构 | 第94-96页 |
| 5.3 基于A-DISTANCE矩阵检测实值向量流分布变化的写字任务异常检测 | 第96-100页 |
| 5.3.1 A-distance及其应用 | 第96-97页 |
| 5.3.2 实值向量表示写字任务的状态 | 第97-98页 |
| 5.3.3 实验与分析 | 第98-100页 |
| 5.4 基于元认知推理的写字机器人手臂长度知识获取 | 第100-103页 |
| 5.4.1 基本条件和假设 | 第100-101页 |
| 5.4.2 知识获取过程 | 第101-102页 |
| 5.4.3 处理新任务 | 第102-103页 |
| 5.5 基于元认知环的写字机器人取书任务异常情况处理 | 第103-107页 |
| 5.5.1 总体设计 | 第103-104页 |
| 5.5.2 初始知识及异常处理过程 | 第104-106页 |
| 5.5.3 结果分析 | 第106-107页 |
| 5.6 本章小结 | 第107-109页 |
| 结论 | 第109-111页 |
| 参考文献 | 第111-121页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第121-123页 |
| 致谢 | 第123页 |
