导读:本文包含了机器路径论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:机器,路径,算法,人工智能,机器人,视觉,粒子。
机器路径论文文献综述
岳崇勤[1]（2019）在《上海蔬菜生产“机器换人”路径和对策研究》一文中研究指出通过对全市部分典型蔬菜生产合作社主要种植绿叶菜种类、种植面积、机械化程度、生产人员基本情况等进行调研,主要讨论了蔬菜生产中迫切需要解决的"机器换人"环节和存在的问题,进一步摸清本市蔬菜园艺场"机器换人"生产情况,围绕蔬菜"机器换人"生产的现状、底数、存在的问题等,提出对策建议。旨在为蔬菜机械化生产和都市现代绿色农业发展提供有益参考。(本文来源于《农业开发与装备》期刊2019年10期）
于冲[2]（2019）在《人工智能的刑法评价路径：从机器规制向算法规制》一文中研究指出人工智能时代背景下,人工智能犯罪开始越来越多地受到学界关注。对于人工智能算法自主决策行为及其引发的危害后果,传统民事、刑事规则很多情况下都显出明显的滞后与评价的空白,以至于刑法学界关于人工智能犯罪的研究呈现出"智能化"、"想象化"和"过度未来化"的空想特质。针对可能出现和已经出现的人工智能犯罪,应当明确刑法所要规制的对象不是机器人,而(本文来源于《人民法治》期刊2019年17期）
王亚超,黄沿江,张宪民[3]（2019）在《基于机器视觉和PSO的机器人示教路径优化研究》一文中研究指出工业机器人在处理新的生产任务时,需要对其进行示教。目前,传统的机器人示教再现方法存在示教系统复杂、示教时间长以及操作者需要特殊训练等诸多问题。针对上述问题,该文提出了一种基于机器视觉和人手演示的机器人示教方法。首先通过Microsoft Kinect2.0传感器提取人手的示教路径,然后通过粒子群优化算法PSO对人手演示的初始路径进行优化,获得一条优化的机器人运动路径,让机器人完成示教再现。最后,通过实验对基于机器视觉和PSO的机器人示教方法进行验证。实验结果表明,PSO优化后的路径可以有效缩短机器人的运动时间。(本文来源于《自动化与仪表》期刊2019年06期）
王文星[4]（2019）在《基于机器学习方法的资产价格路径构造和资产配置的应用探究》一文中研究指出深度学习和强化学习是机器学习的两大类模型,被应用到社会的各个领域。在金融领域内,资产价格路径的模拟对某些路径依赖的期权定价来说意义重大,而资产配置则是近年来发展迅猛的新兴投资方式。本文基于深度学习中的生成对抗网络(GAN)模型和强化学习中的深度强化学习算法分别实现了构造标的资产价格路径的模拟和动态配置资产的资产配置策略。一方面,利用GAN变体构造新的混合模型(CWGAN-GP和ALI-CWGAN-GP)来对资产价格路径的分布进行拟合,并通过采样的方式构造样本路径,以此实现对资产价格路径的构造。通过在沪深300指数期货上的实证,结果表明了混合模型构造的路径无论是在采样速度上、路径收益率外在特征表现上还是在生成路径和真实路径的JS散度度量上都显着优于基于几何布朗运动和跳跃扩散模型的蒙特卡洛实现方法。另一方面,基于深度强化学习中的多种算法,分别训练智能体来动态给出两种资产的最优的配置方案,实证结果表明深度强化学习实现的资产配置,在收益上比基准策略(“买入持有”)和简单策略(布林通道)好很多,算法各有优缺点,适用的情景不同,投资风格也有所不同。此外,采用了上述CWGAN-GP模型生成了多条训练集路径作为强化学习学习的样本,将之运用到DQN、DDPG两种算法的训练上,得到了强于不加生成路径的结果。本文说明了构造的两种GAN混合模型可以作为一种构造资产价格路径的方式,且采样的价格路径质量不劣于蒙特卡洛采样的路径,这种构造价格路径的方法在金融领域的数据生成和资产价格路径构造上存在一定的理论和实际应用价值;而基于历史经验的学习从而得到自动配置资产的能力的深度强化学习算法对于资产配置的实现在实践上有很大指导意义。(本文来源于《山东大学》期刊2019-05-20）
潘恩荣,阮凡,郭喨[5]（2019）在《人工智能“机器换人”问题重构——一种马克思主义哲学的解释与介入路径》一文中研究指出本文力图在《资本论》视域中重构人工智能技术背景下的"机器换人"问题,提出一种马克思主义哲学解释和介入人工智能的研究路径。从《资本论》"劳动能力"思想角度看,机器换人争论双方的矛盾根源是,在"人机对立"预设下,思考机器是否以及如何单向度地替换人的劳动能力。但是基于"人机互补"角度从"劳动时间"概念看,"机器换人"的实质是"以机器运行时间替换人类劳动时间"而非"以机器(生产力)替换人类本身的劳动能力"。那么,对于人工智能技术背景下的机器换人而言,除了要批判"机器替换人本身",更要考虑如何确保"人"在各种智力劳动时间之间平滑转换。这为重构"人类-人工智能机器"的关系提供一种新的思路。(本文来源于《浙江社会科学》期刊2019年05期）
王亚超[6]（2019）在《基于机器视觉的机器人路径规划研究》一文中研究指出随着产品的快速升级换代,制造业的生产模式逐渐从批量化、规模化制造转变为定制化、个性化,这就要求在制造中使用高度灵活的机器人自动化生产线。目前工业机器人在处理新的生产任务时,主要通过示教的方式进行机器人路径规划。但是采用这种方式获得机器人的路径,操作人员需要进行专门的培训,路径规划系统不够灵活,难以适应生产任务的频繁变化。针对上述情况,本文研究了一种基于机器视觉的机器人路径规划方法,通过基于机器视觉和人机交互的方法获得机器人的初始路径,建立机器人路径优化模型,并通过粒子群优化算法对优化模型进行求解。主要研究内容如下:首先,研究了机器人路径规划视觉系统标定和障碍物位置信息获取方法。完成了视觉系统相机内参标定以及相机与机器人之间的手眼标定。通过基于模板匹配的算法和基于SURF的算法对障碍物进行定位,获取了障碍物在机器人基坐标系下的位置信息,为机器人路径规划提供障碍物位置信息。其次,基于机器视觉和人机交互研究了机器人初始路径获取方法。通过相机和Mark点实现对人手运动路径的追踪。在此基础上,为克服在人手演示时因手指关节角度变化带来的误差,提出了一种基于人手夹持器的机器人初始路径获取方法,实验结果表明基于人手夹持器方式获得的机器人初始路径更平滑。然后,对基于机器视觉和人机交互方式获得的机器人初始路径进行了优化研究。建立了相应的机器人路径优化模型,并通过粒子群优化算法(PSO,Particle Swarm Optimization)对优化模型进行求解。最后,进行了机器人路径规划实验研究。首先搭建了包含机器人和机器视觉的机器人系统。然后在叁种不同的实验场景下进行机器人初始路径获取和优化,并将优化后的机器人路径在机器人仿真器和机器人实机上进行实验验证。实验结果表明,基于PSO优化后的机器人路径能够有效避开障碍物,并且比基于人手演示获得的机器人初始路径更短,从而提高了工业生产的效率。(本文来源于《华南理工大学》期刊2019-04-12）
张少杰,艾宇,张冰,孙轩,张铭[7]（2019）在《基于机器视觉的烟仓机器人路径识别与控制》一文中研究指出仓库中醇化的烟叶因含有水分,在微生物作用下会发生霉变。为降低烟叶霉变检测的劳动强度,提高烟叶检测效率,我们基于机器视觉研发了一款搭载FLIR C3红外热成像检测仪的烟仓机器人。本研究主要介绍了烟仓机器人软硬件控制系统的设计,并对机器人行进路径的识别与控制进行研究。烟仓机器人的硬件控制系统采用32位ARM处理器STM32F103ZET6,利用OV2640传感器进行图像的采集与传输;软件控制系统基于Microsoft Visual Studio 2010开发环境,调用OpenCV等图像处理函数,实现图像分割、边缘检测及路径识别与规划。路径识别采用基于机器视觉的方法,利用高斯滤波去除图像中的噪音、干扰,经阈值化处理后采用Canny算子进行图像边缘检测处理,通过Hough变换,提取出车道的边缘线及车道中心线,根据车道中心线的角度偏差和像素偏差制定控制策略,从而实现烟仓机器人的自控行走,实际运行试验结果表明,该系统能够很好地实现路径识别和运动控制。本研究可为无线通讯和路径识别控制类机器人的相关设计研究提供参考。(本文来源于《山东农业科学》期刊2019年03期）
易洁[8]（2019）在《基于机器学习的机器人路径规划方法研究》一文中研究指出随着机器人在社会生活中的广泛应用,机器人技术也成为了当前研究的热门方向。而在控制机器人移动的研究领域中的叁大核心是机器人的定位、任务的分配和路径规划技术。其中,路径规划是移动机器人到达任务目标、完成任务内容的首要条件,因此研究避障路径规划具有重大理论价值与应用前景。在本文中主要研究了机器学习方法在机器人系统的路径规划中的应用,具体研究内容如下:(1)研究总结了机器人路径规划问题的相关技术方法以及研究现状,给出了在单机器人路径规划中使用强化学习方法具有的优点以及缺陷,以及在多机器人路径规划中使用单一算法存在不足。提出了多机器人系统更适合结合多种避障方法来解决问题。(2)对Q-Learning算法应用于单机器人路径规划时存在叁点缺陷,逐一进行了改进:针对探索和利用的平衡问题,提出一种动态改变?的?-greedy策略。该策略依据算法学习的效果来决定是探索环境还是利用环境,使算法更加智能。针对最大化偏差问题,提出一种基于概率的动作选择策略。舍弃最大化的方法,使Q值较大的动作被选择概率更大,而不是一定被选择。从而解决了相关噪声对于算法准确度的影响,使算法更加合理。针对更新速度慢的问题,提出在算法中增加一个计数阈值,当试错次数达到计数阈值后,才进行修正,提高了算法的效率。基于上述的改进,提出了一种基于改进的Q-Learning算法的单机器人路径规划方法,并且进行了仿真实验。结果表明,该算法与改进前相比,训练时长更少,算法效率更高,并且能够解决复杂环境下的单机器人路径规划问题。(3)对DQN算法应用于多机器人系统的路径规划时存在的两点缺陷,逐一进行了改进:针对收敛速度慢的问题,提出在学习之前利用先验知识对Q值表进行初始化,减少了学习的复杂度和计算的繁琐度。针对随机性大的问题,提出增加先验规则来控制机器人在路径规划中的动作选择,能够减少无用的探索,提高算法的效率。基于上述改进,提出了一种基于先验知识与DQN的多机器人路径规划方法,并且进行了仿真实验。结果表明,该算法在多机器人路径规划中是可行的,与改进前相比,算法的收敛时间得到了减少,提高了算法的效率。(本文来源于《重庆理工大学》期刊2019-03-25）
吴亚琦,徐少渊,季祎聃[9]（2018）在《关于人工智能 检察一线办案人员在期待什么——“以机器换人力”实现路径探讨》一文中研究指出人工智能话题如火如荼,检察机关顺势提出建设"智慧检务",各地关于"智慧检务"的建设活动层出不穷。本文将从检察一线办案人员视角出发,结合自身实践经验,对现有技术进行分析,并参考"智慧法院"建设,对检察系统人工智能建设提出期待。(本文来源于《法制博览》期刊2018年36期）
党庆一[10]（2018）在《机器学习算法的船舶路径跟踪误差估计》一文中研究指出路径跟踪是船舶航行过程中的一项关键技术,当前船舶路径跟踪的误差大,跟踪实时差,针对该难题,提出基于机器学习算法的船舶路径跟踪误差估计方法。首先对船舶路径跟踪的流程进行分析,找到引起船舶路径跟踪误差的原因,然后收集船舶路径跟踪误差的样本数据,采用机器学习算法建立船舶路径跟踪估计方法,最后对船舶路径跟踪进行仿真模拟测试。机器学习算法可以估计船舶路径跟踪误差变化特点,获得了高精度的船舶路径跟踪结果,减少了船舶路径跟踪误差,船舶路径跟踪实时更好,船舶路径跟踪结果的整体性要明显优于当前其他船舶路径跟踪误差估计方法,具有更加广泛的应用范围。(本文来源于《舰船科学技术》期刊2018年24期）
机器路径论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人工智能时代背景下,人工智能犯罪开始越来越多地受到学界关注。对于人工智能算法自主决策行为及其引发的危害后果,传统民事、刑事规则很多情况下都显出明显的滞后与评价的空白,以至于刑法学界关于人工智能犯罪的研究呈现出"智能化"、"想象化"和"过度未来化"的空想特质。针对可能出现和已经出现的人工智能犯罪,应当明确刑法所要规制的对象不是机器人,而
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
机器路径论文参考文献
[1].岳崇勤.上海蔬菜生产“机器换人”路径和对策研究[J].农业开发与装备.2019
[2].于冲.人工智能的刑法评价路径：从机器规制向算法规制[J].人民法治.2019
[3].王亚超,黄沿江,张宪民.基于机器视觉和PSO的机器人示教路径优化研究[J].自动化与仪表.2019
[4].王文星.基于机器学习方法的资产价格路径构造和资产配置的应用探究[D].山东大学.2019
[5].潘恩荣,阮凡,郭喨.人工智能“机器换人”问题重构——一种马克思主义哲学的解释与介入路径[J].浙江社会科学.2019
[6].王亚超.基于机器视觉的机器人路径规划研究[D].华南理工大学.2019
[7].张少杰,艾宇,张冰,孙轩,张铭.基于机器视觉的烟仓机器人路径识别与控制[J].山东农业科学.2019
[8].易洁.基于机器学习的机器人路径规划方法研究[D].重庆理工大学.2019
[9].吴亚琦,徐少渊,季祎聃.关于人工智能检察一线办案人员在期待什么——“以机器换人力”实现路径探讨[J].法制博览.2018
[10].党庆一.机器学习算法的船舶路径跟踪误差估计[J].舰船科学技术.2018
论文知识图
