首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文

基于情景记忆的机器人认知行为学习与控制方法

摘要第6-8页
Abstract第8-9页
TABLE OF CONTENTS第13-16页
图目录第16-19页
表目录第19-20页
主要符号表第20-21页
1 绪论第21-38页
    1.1 问题提出与研究意义第21-22页
    1.2 国内外相关研究进展第22-34页
        1.2.1 认知机器人第22-27页
        1.2.2 机器人认知模型研究第27-30页
        1.2.3 机器人认知行为学习与控制第30-31页
        1.2.4 具备记忆能力的机器人系统与方法第31-34页
    1.3 本文主要研究思路与内容第34-38页
        1.3.1 研究内容的提出第34-36页
        1.3.2 本文主要研究内容第36-38页
2 机器人基于情景记忆的认知行为计算模型第38-54页
    2.1 引言第38页
    2.2 情景记忆数学模型第38-44页
        2.2.1 构造情景记忆模型的生物学基础第38-41页
        2.2.2 情景记忆模型建立第41-44页
    2.3 面向机器人环境广义建模的EM-MDP框架第44-48页
        2.3.1 部分可观测马尔可夫决策过程(POMDP)第45-46页
        2.3.2 情景记忆驱动的马尔可夫决策过程(EM-MDP)第46-48页
    2.4 基于情景记忆的认知行为计算模型第48-53页
        2.4.1 认知行为计算模型结构第49-51页
        2.4.2 视觉注意系统第51-52页
        2.4.3 广义增量式实时在线学习形成情景记忆第52页
        2.4.4 不确定环境下认知行为控制方法第52-53页
    2.5 本章小结第53-54页
3 不确定环境下情景增量式实时在线学习方法第54-78页
    3.1 引言第54-55页
    3.2 基于环境显著性的自然路标特征提取第55-61页
        3.2.1 输入场景显著路标检测第56-58页
        3.2.2 场景动态目标检测消除第58-59页
        3.2.3 路标LBP特征提取第59-61页
    3.3 基于情景记忆网络的实时在线学习方法第61-68页
        3.3.1 情景记忆网络学习模型第61-64页
        3.3.2 情景记忆网络的增量式在线学习算法第64-67页
        3.3.3 不确定信息处理第67-68页
    3.4 基于EM-MDP实现机器人环境认知学习第68-76页
        3.4.1 环境事件定位匹配能力实验第70-71页
        3.4.2 学习过程中的容错性实验第71页
        3.4.3 情景记忆网络增量在线学习能力实验第71-76页
    3.5 本章小结第76-78页
4 任务目标驱动的视觉注意伺服控制方法第78-99页
    4.1 引言第78-80页
    4.2 目标物体特征描述模型第80-82页
        4.2.1 目标特征表示第80页
        4.2.2 基于高斯混合模型的特征聚类第80-82页
    4.3 基于物体的偏向注意机制第82-86页
        4.3.1 构建偏向特征模版第83-84页
        4.3.2 原对象分割第84-85页
        4.3.3 基于原对象的显著度计算第85-86页
    4.4 基于目标物体显著图的视觉注意伺服控制方法第86-90页
        4.4.1 单目摄像机投影模型第87-89页
        4.4.2 基于显著图的视觉伺服控制策略第89-90页
    4.5 实验结果及数据分析第90-98页
        4.5.1 目标选择实验结果及数据分析第90-93页
        4.5.2 方法性能比较第93-95页
        4.5.3 视觉注意伺服控制实验结果第95-98页
    4.6 本章小结第98-99页
5 基于情景记忆的认知行为规划与控制方法第99-125页
    5.1 引言第99-100页
    5.2 记忆存在条件下的全局规划与行为预测第100-104页
        5.2.1 情景记忆回忆第100-101页
        5.2.2 路径全局规划第101-102页
        5.2.3 事件匹配与定位第102-103页
        5.2.4 行为模式选择第103-104页
    5.3 记忆不完善条件下的局部规划与行为推理第104-108页
        5.3.1 局部网格划分与障碍物模型表示第104-105页
        5.3.2 危险函数与机器人可行路径描述第105-107页
        5.3.3 行为推理及局部规划控制策略第107-108页
        5.3.4 记忆中断恢复方法第108页
    5.4 基于认知启发导航算法的记忆路径纠正第108-111页
        5.4.1 显著路标数据库建立第109页
        5.4.2 认知启发的状态定位与导航算法第109-111页
    5.5 不确定环境下实时认知行为产生策略第111-113页
    5.6 实验结果及数据分析第113-124页
        5.6.1 记忆存在条件下的行为预测实验第113-117页
        5.6.2 记忆不完善条件下的行为推理实验第117-120页
        5.6.3 不确定环境下实时认知行为产生实验第120-124页
    5.7 本章小结第124-125页
6 结论与展望第125-128页
    6.1 结论与创新点第125-126页
    6.2 创新点摘要第126-127页
    6.3 展望第127-128页
参考文献第128-138页
攻读博士学位期间科研项目及科研成果第138-140页
致谢第140-141页
作者简介第141-142页

论文共142页,点击 下载论文
上一篇:腔光机械系统量子特性的理论研究
下一篇:聚乳酸结晶和熔融行为及成核剂调控结晶研究