| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 机器人的书写能力研究意义 | 第14-15页 |
| 1.2 机器人书写的研究现状 | 第15-20页 |
| 1.2.1 研究现状 | 第15-18页 |
| 1.2.2 存在问题 | 第18-20页 |
| 1.3 主要研究内容和创新点 | 第20-22页 |
| 1.3.1 主要工作 | 第20-22页 |
| 1.3.2 创新点 | 第22页 |
| 1.4 本文结构安排 | 第22-25页 |
| 第二章 相关技术介绍 | 第25-39页 |
| 2.1 机器人书写系统 | 第25-28页 |
| 2.1.1 机械臂硬件系统 | 第26-27页 |
| 2.1.2 机械臂的逆运动学分析 | 第27-28页 |
| 2.2 生成对抗网络 | 第28-33页 |
| 2.2.1 经典生成对抗网络 | 第29-32页 |
| 2.2.2 条件生成对抗网络 | 第32-33页 |
| 2.2.3 生成对抗网络的其他改进与应用 | 第33页 |
| 2.3 逆向强化学习 | 第33-37页 |
| 2.3.1 强化学习 | 第33-35页 |
| 2.3.2 策略梯度方法 | 第35-36页 |
| 2.3.3 逆向强化学习 | 第36-37页 |
| 2.4 本章总结 | 第37-39页 |
| 第三章 基于生成对抗网络的机器人汉字笔画书写方法研究 | 第39-55页 |
| 3.1 基于经典生成对抗网络的书写框架 | 第39-45页 |
| 3.1.1 算法思想 | 第40-41页 |
| 3.1.2 问题难点 | 第41-42页 |
| 3.1.3 笔画生成模块 | 第42-43页 |
| 3.1.4 笔画判别模块 | 第43页 |
| 3.1.5 训练模块 | 第43-45页 |
| 3.2 基于条件生成对抗网络的书写框架 | 第45-46页 |
| 3.3 实验结果与分析 | 第46-54页 |
| 3.3.1 训练数据 | 第46-47页 |
| 3.3.2 基于GAN的机器人书写结果 | 第47-52页 |
| 3.3.3 基于CGAN的机器人书写结果 | 第52-53页 |
| 3.3.4 讨论与对比 | 第53-54页 |
| 3.4 本章总结 | 第54-55页 |
| 第四章 基于逆向强化学习的机器人汉字笔画书写方法 | 第55-67页 |
| 4.1 基于逆向强化学习的机器人书写框架 | 第55-60页 |
| 4.1.1 框架结构与流程 | 第55-56页 |
| 4.1.2 算法思想 | 第56-57页 |
| 4.1.3 人类用户审美偏好预测模块 | 第57-58页 |
| 4.1.4 训练模块 | 第58-60页 |
| 4.2 实验与结果分析 | 第60-66页 |
| 4.2.1 实验设置 | 第60-61页 |
| 4.2.2 实验结果 | 第61-65页 |
| 4.2.3 分析与对比 | 第65-66页 |
| 4.3 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 全文总结 | 第67-68页 |
| 5.2 未来工作展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 附录 攻读硕士期间发表的论文 | 第75-77页 |
| 致谢 | 第77-78页 |