基于限制释放算法驱动的发展型机器人及其书写动作控制

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61203336
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    22.0万
  • 负责人：
    晁飞
  • 依托单位：
    厦门大学
  • 学科分类：
    F0306.自动化检测技术与装置
  • 结题年份：
    2015
  • 批准年份：
    2012
  • 项目状态：
    已结题
  • 起止时间：
    2013-01-01 至2015-12-31

项目摘要

Developmental robotics is a new research field of intelligent robots. It focuses on constructing its sensory motor mechanism and its internal representation of the world by mimicking human infant development model. This project relies on studies on developmental psychology and developmental neuroscience, refers to features of human infant development, and adopts the enhanced "Constraint Lifting" algorithm to analyze and build robotic developmental procedure. This project also attempts to apply developmental mechanism to implement a brain-like model by using improved Cascade-correlation neural networks. The objective of the project is to solve the problem that developmental robots can autonomously learn to write Chinese characters. The project demonstrates that high level cognition and learning abilities can be achieved by developmental approaches. Its significances contain that the project effectively merges developmental psychology and neuroscience into robotics; and the project is very useful for increasing robotic construction solutions, and important for enhancing research on developmental robotics in China; and it is also crucial for that robots are capable of working under complex and extreme environments.
发展型机器人为智能机器人的研究新热点，其强调机器人通过模仿人类发育模式来实现对自己的感觉运动机构和外部世界的认知。本课题以发展型机器人和发展心理学的研究为基础，参考婴儿发育模式中的特征，采用并改进"限制释放"这一全新的发展型学习算法来分析、构建机器人的发展过程，用发育机制改进的梯级关联神经网络搭建模仿婴儿大脑的模型为方法，解决发展型机器人能够通过不断的发展达到学习模仿人书写毛笔字的能力这一问题。课题研究将通过机器人在人书写动作模仿的演示，来检验和展示上述模型及其关键技术实现的效果，以阐明机器人高级的自主认知与学习能力是可以通过发展的方法来实现。课题的研究意义体现在为把发展心理学与发展神经学理论转化成发展型机器人的构建方法开拓一种可行的途径，这对丰富智能机器人构建方法、促进国内发展型机器人的研究都有着重要的学术意义。也对在恶劣或极端环境下机器人通过模仿人的行为完成复杂动作的研究具有应用意义。

结项摘要

发展型机器人是智能机器人的研究中比较重要的一个新热点，其强调机器人的认知能力是通过模仿人类发育模式来实现的。本课题的目标是以发展型机器人和发展心理学的研究为基础，参考婴儿发育模式中的特征，采用并改进“限制释放”这一全新的发展型学习算法来分析、构建机器人手眼协调能力的发展过程，并且用发育机制改进神经网络搭建模仿婴儿大脑的模型为方法，解决发展型机器人能够通过不断的发展达到学习模仿人书写毛笔字的能力这一问题。为实现上述目标，课题研究内容主要涵盖了（1）引入发展机制建立的神经网络模型，（2）仿脑神经网络控制结构，（3）人体姿势分类与识别，和（4）机器人手眼协调与书写动作控制。通过这部分的研究，将发展型机制引入到了多种构建型神经网络中，并找到一种最佳的实现方式来进行机械臂控制；实现了一种新型的集成分类器的实现方法，并将其应用在人体姿势识别上，获得了更高的识别效果；构建了机器人书写笔画的自生成方法，使得机器人具有自主生成书写汉字笔画的能力；并且，实现了机器人自我汉字评价系统，为将来实现机器人通过不断书写并且自我评价后逐渐写出较好效果的汉字打下了基础。课题的研究意义体现在为把发展心理学与发展神经学理论转化成发展型机器人的构建方法开拓一种可行的途径，这对丰富智能机器人构建方法、促进国内发展型机器人的研究都有着重要的学术意义。也对在恶劣或极端环境下机器人通过模仿人的行为完成复杂动作的研究具有应用意义。

项目成果

期刊论文数量（7）
专著数量（0）
科研奖励数量（0）
会议论文数量（7）
专利数量（0）
Learning Robotic Hand-eye Coordination Through a Developmental Constraint Driven Approach
通过发展约束驱动的方法学习机器人手眼协调
  • DOI：
    10.1007/s11633-013-0738-5
  • 发表时间：
    2013-10-01
  • 期刊：
    INTERNATIONAL JOURNAL OF AUTOMATION AND COMPUTING
  • 影响因子：
    4.3
  • 作者：
    Chao, Fei;Zhang, Xin;Jiang, Min
  • 通讯作者：
    Jiang, Min
Feature Selection Inspired Classifier Ensemble Reduction
特征选择启发分类器集成减少
  • DOI：
    10.1109/tcyb.2013.2281820
  • 发表时间：
    2014-08-01
  • 期刊：
    IEEE TRANSACTIONS ON CYBERNETICS
  • 影响因子：
    11.8
  • 作者：
    Diao, Ren;Chao, Fei;Shen, Qiang
  • 通讯作者：
    Shen, Qiang
Feature selection basedclassifier ensemble reduction with classifier diversity evaluations
基于特征选择的分类器集成减少与分类器多样性评估
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Soft Computing
  • 影响因子：
    4.1
  • 作者：
    F. Chao (晁飞);C. Su;C.-M. Lin;C. Zhou
  • 通讯作者：
    C. Zhou
Robotic Free Writing of Chinese Characters via Human-Robot Interactions
通过人机交互机器人自由书写汉字
  • DOI：
    10.1142/s0219843614500078
  • 发表时间：
    2014-04
  • 期刊：
    International Journal of Humanoid Robotics
  • 影响因子：
    1.5
  • 作者：
    Y. Sun;Z. Wang;C. Zhou;M. Jiang （江敏）
  • 通讯作者：
    M. Jiang （江敏）
A developmental approach to robotic pointing via human-robot interaction
通过人机交互实现机器人指向的开发方法
  • DOI：
    10.1016/j.ins.2014.03.104
  • 发表时间：
    2014-11-01
  • 期刊：
    INFORMATION SCIENCES
  • 影响因子：
    8.1
  • 作者：
    Chao, Fei;Wang, Zhengshuai;Shen, Qiang
  • 通讯作者：
    Shen, Qiang

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

一种基于姿态关系特征的机器人舞蹈生成方法
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    厦门大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    彭文让耀;吴瑞琪;晁飞;周昌乐
  • 通讯作者：
    周昌乐
基于深度学习进行动作模仿的舞蹈机器人
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    厦门大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    杨锦隆;施明辉;晁飞;周昌乐
  • 通讯作者：
    周昌乐

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

晁飞的其他基金

模糊大脑情感学习神经网络开发与控制、分类及自适应滤波各类系统应用
  • 批准号：
    61673326
  • 批准年份：
    2016
  • 资助金额：
    63.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码