15.1智能机器人的概念智能机器人至少应具备四种机能：感知机能——获取外部环境信息以便进行自我行动监视的机能；运动机能——施加于外部环境的相当于人的手、脚的动作机能；思维机能——求解问题的认识、推理、判断机能；人-机通信机能——理解指示命令、输出内部状态,与人进行信息交换的机能。15.2机器人感知机器人传感器直接模仿人或生物的感觉器官。如根据人和昆虫眼睛的成像原理研制的视觉传感器,它能感受物体的形状、特征、颜色、位置、距离和运动等。还有听觉传感器、触觉传感器、味觉传感器等也是用相应的仿生原理制作的。立体摄像机和激光测距仪是机器人获得三维视觉的两类实用传感器。在机器人感知研究中,视觉方面的成果最为突出,机器人视觉已经成为一门新兴的独立学科。机器人视觉的主要目的是从整体上理解一个给定的三维景物,为此,图像处理、模式识别、知识工程和三维视觉等技术特别是智能技术在机器人视觉的研制中得到了应用。15.3机器人规划机器人规划的基本任务是：在一个特定的工作区域中自动地生成从初始状态到目标状态的动作序列、运动路径和轨迹的控制程序。规划系统可分为两级：任务规划子系统和运动规划子系统。任务规划子系统根据任务命令,自动生成相应的机器人执行程序,如将任务理解为工作区的状态变化,则它生成的即为把初始状态变为目标状态的一个操作序列。运动规划子系统首先将任务规划的结果变成一个无碰撞的操作器运动路径,这一步称为路径规划；然后再将路径变为操作器各关节的空间坐标,形成运动轨迹,这一步称为轨迹规划。任务规划需要解决三个基本技术问题：问题或状态的表示、搜索策略和子目标冲突问题。经过多年的探索,现在,至少已提出了四种有关任务规划问题的方法,这就是非层次规划、层次规划、估价式规划和机遇式规划。路径规划一般分解为寻空间和寻路径两个子问题。寻空间是指在某个指定的区域R中,确定物体A的安全位置,使它不与区域中的其他物体相碰撞。寻路径是指在某个指定的区域R中,确定物体A从初始位置移动到目标位置的安全路径,使得移动过程不会发生与其他物体的碰撞。路径规划的方法有假设-测试法、罚函数法、位姿空间法、旋转映射图法等。近年来,随着计算智能技术的飞速发展,人们也把神经网络技术引入了机器人规划。例如,利用一种并列连接的神经网络可以实时地进行无碰撞路径规划。该网络对一系列的路径点进行规划,其目标使得整个路径的长度尽量短,同时又要尽可能远离障碍物。从数学的观点看,它等效于一个代价函数,该代价函数为路径长度和碰撞次数的函数。这种方法的优点是：(1)算法固有的并行性可用并行硬件来实现,对于有较多障碍物、有较多路径点以及物体上有较多测试点的情况,可达到实时应用的程度。(2)算法的并行性使得所规划的路径可以达到任意高的精度而不增加计算时间。15.4机器人控制生物系统的运动控制为机器人的神经网络控制提供了很好的参考模型。这种控制不需要各个变量之间的准确的解析关系模型,而只要通过大量的例子的训练即可实现。因此,在机器人控制中广泛采用神经网络控制技术。在运动学的控制方法中,分解运动速度的方法是比较典型的一种。它是一种在直角坐标空间而不是在关节坐标空间进行闭环控制的方法。对于那些需要准确运动轨迹的跟踪的任务,如弧焊等,必须采用这样的控制方法。分解运动速度的方法的关键是速度逆运动学计算,这个计算不仅需要有效的雅可比矩阵求逆算法,而且需要知道机器人的运动学参数。如果采用神经网络,则可不必知道这些参数,因此它可作为求解速度逆运动学的另一种颇具吸引力的方法。通常的机器人运动学控制主要是基于正、逆运动学的计算。这种控制方法不但计算繁琐,而且需要经常校准才能保持精度。为此,人们提出了一种双向映射神经网络,进行机器人运动学控制。这种网络主要由一个前馈网组成,隐层为正弦激励函数。从网络的输出到输入有一个反馈连接,形成循环回路。正向网络实现正运动学方程,反馈连接起修改网络的输入(关节变量),以使网络的输出(末端位姿)向着期望的位姿点运动。这种双向映射网络不但能够提供精确的正、逆运动学计算,并且只需要简单的训练。在动力学控制中,关键是逆动力学计算。这里主要有两方面的问题,一是计算工作量很大,难以满足实时控制的要求；二是需要知道机器人的运动学和动力学参数。要获得这些参数,尤其是动力学参数往往是很困难的。采用神经网络来实现逆动力学的计算,原则上可以克服上述两个问题。由于神经网络的并行计算的特点,它完全满足实时性的要求,同时它是通过输入输出的数据样本经过学习而获得动力学的非线性关系,因而它并不依赖于机器人参数。在力控制中,无论是采用经典控制还是现代控制,都存在建模难题。因此,人们将智能控制技术引入机器人力控制中,产生了智能力控制方法。该方法应用递阶协调控制、模糊控制和神经网络控制技术来实现力控制系统。在这类系统中,力/