在线会议
论坛
专题
工控直播
新闻中心
子站
技术
社区
人们从过去的经验和错误中学习CONTROL ENGINEERING China版权所有，利用技能并通过肌肉记忆来一直使用它们，以期实现更好的效果。 我们可以认为这些人类知识是理所当然的并将其应用于机器人吗？答案是否定的，至少不是现在。
使用人工智能，并让机器人从过去的经验中吸取教训的能力，要求联动系统能够协调传感器数据及其电机功能。机器人的内存“太可怕”了，这使得机器人的人工智能集成变得至关重要。
集成是机器人技术领域面临的最大挑战。传感器和驱动机器人的执行器是独立的系统，通过中央学习机制连接在一起，该机制可根据传感器数据推断出所需的动作，反之亦然。这可能会随着马里兰大学的研究人员开发的一种方法而改变控制工程网版权所有，这种方法使用超维计算将感知和运动指令结合起来，可以改变和改进感知运动表征的基本人工智能任务——机器人如何将感知转化为行为。
目前的机器人有三个主要部分：传感器（相当于人体感觉系统），移动单元（相当于人体肢体）和学习中心（类似于人脑）。机器人的三个系统“分别说不同的语言”使得机器人的三个部分以非常缓慢和笨拙的方式工作。机器人技术的发展趋势控制工程网版权所有，将是将机器人的感知与其运动能力相结合。这种融合被称之为“主动感知”，将为机器人完成任务提供更有效的方式。
主动感知
研究表明，机器人的操作系统将基于超维二进制矢量（HBV），它存在于稀疏和高维空间中。超维二进制矢量可以代表不同的离散事物，例如图像、概念、声音或指令。它们可以以有意义的方式解释所有这种类型的信息。在该系统中，将占用相同空间、使用相同语言的动作可能性、感知输入和其它信息融合在一起，从而为机器人创造了一种记忆。
超维框架可以将任何“即时”序列转换为新的超维二进制矢量控制工程网版权所有，将现有的超维二进制矢量分组在一起，并且所有向量长度相同。这是创建语义上有意义的、有见地的“内存”的自然方法。越来越多的信息编码反过来又导致“历史”矢量和记忆能力。信号成为向量，索引转换为内存www.cechina.cn，学习通过聚类发生。机器人对自己过去所感知和所做事情的记忆，可能会使它能够预计未来的感知并影响其未来的行动。这种主动的感知能力将使机器人变得更加自治，并能够更好地完成任务。
马里兰大学计算机科学教授Yiannis Aloimonos说：“积极的感知者知道为什么要感知，然后选择感知的方式，并决定如何、何时、何地实现感知。它选择并固定场景、时间点和情节。然后，调整其机械机构、传感器和其它组件以对想要看到的东西采取行动，并从中选择观测点，从而可以以最佳方式实现其意图。我们的超维度框架可以解决所有这些目标。”
应用程序可能会超出机器人技术的范围。最终目标是能够以根本不同的方式实现人工智能：从概念到信号再到语言。超维计算可以为当前在计算应用程序中使用的迭代神经网络和深度学习人工智能方法（例如数据挖掘视觉识别以及将图像转换为文本）提供更快更有效的替代模型。
马里兰大学博士研究生Anton Mitrokhin表示：“基于神经网络的人工智能方法既庞大又缓慢，因为它们无法记忆。我们的超维理论方法可以创建记忆，这将需要更少的计算，并且使此类任务更快、更高效。”（作者：Gregory Hale）
.jpg)
AVEVA InTouch Unlimited试用版下载
福禄克三大“法宝”帮您搞定过程仪表校准难题
2024年度最佳产品奖颁奖典礼会后报道
2024全球自动化和制造主题峰会会后报道
阿自倍尔液体检测产品有奖试用
