移动机器人人机交互与运动控制研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的背景、目的和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 语音人机交互研究现状 | 第12-13页 |
| 1.2.2 自然语言处理研究现状 | 第13-14页 |
| 1.2.3 机器人指令理解研究现状 | 第14-15页 |
| 1.3 课题研究内容 | 第15-16页 |
| 1.4 论文内容安排 | 第16-17页 |
| 第2章 机器人人机交互系统与控制系统设计 | 第17-25页 |
| 2.1 机器人人机交互系统设计 | 第17-21页 |
| 2.1.1 语音人机交互系统设计 | 第17-18页 |
| 2.1.2 自然语言指令理解系统设计 | 第18-20页 |
| 2.1.3 自然语言指令理解算法分析 | 第20-21页 |
| 2.2 基于ROS的机器人控制系统设计 | 第21-24页 |
| 2.2.1 ROS机器人操作系统 | 第21-22页 |
| 2.2.2 机器人控制系统设计 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于短文本分类的指令意图理解 | 第25-43页 |
| 3.1 自然语言指令语料库建立 | 第25-26页 |
| 3.1.1 指令语料收集及分析 | 第25-26页 |
| 3.2 基于支持向量机的短文本分类 | 第26-31页 |
| 3.2.1 向量空间模型文本表示 | 第26-27页 |
| 3.2.2 TF-IDF文本特征权值 | 第27-28页 |
| 3.2.3 线性核支持向量机分类器 | 第28-30页 |
| 3.2.4 支持向量机短文本分类模型 | 第30-31页 |
| 3.3 基于深度学习的短文本分类 | 第31-36页 |
| 3.3.1 Word2Vec词向量 | 第31-33页 |
| 3.3.2 TextCNN短文本分类模型 | 第33-35页 |
| 3.3.3 TextRNN短文本分类模型 | 第35-36页 |
| 3.4 模型训练与预测实验 | 第36-42页 |
| 3.4.1 训练语料与评价参数 | 第36-37页 |
| 3.4.2 机器学习模型短文本分类器 | 第37-39页 |
| 3.4.3 Word2Vec词向量训练 | 第39-40页 |
| 3.4.4 深度神经网络短文本分类器 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于序列标注的指令关键信息提取 | 第43-52页 |
| 4.1 指令语料标注 | 第43-45页 |
| 4.1.1 分词及词性标注 | 第43页 |
| 4.1.2 关键信息语义组块标注 | 第43-45页 |
| 4.2 基于条件随机场的序列标注 | 第45-49页 |
| 4.2.1 条件随机场模型 | 第45-46页 |
| 4.2.2 特征模板的构造 | 第46-48页 |
| 4.2.3 条件随机场序列标注模型 | 第48-49页 |
| 4.3 模型训练与预测实验 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 机器人人机交互系统与控制系统实现 | 第52-70页 |
| 5.1 机器人系统框架结构 | 第52-54页 |
| 5.2 机器人人机交互系统实现 | 第54-57页 |
| 5.2.1 语音人机交互系统实现 | 第54-56页 |
| 5.2.2 自然语言指令理解系统实现 | 第56-57页 |
| 5.3 基于ROS的机器人控制系统实现 | 第57-62页 |
| 5.3.1 机器人服务端客户端 | 第58-59页 |
| 5.3.2 机器人控制系统实现 | 第59-61页 |
| 5.3.3 机器人控制监控上位机 | 第61-62页 |
| 5.4 机器人基本运动控制任务模块实现 | 第62-64页 |
| 5.5 系统功能展示 | 第64-69页 |
| 5.6 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第77-78页 |
| 致谢 | 第78页 |
