家用類機(jī)器人
工業(yè)類機(jī)器人
服務(wù)類機(jī)器人
安防類機(jī)器人
智能機(jī)器人發(fā)展
智能機(jī)器人具有廣闊的發(fā)展前景，盡管國內(nèi)外對(duì)此的研究已經(jīng)取得了許多成果，但其智能化水平仍然不盡人意。未來的智能機(jī)器人應(yīng)當(dāng)在以下幾方面著力發(fā)展：
- 1面向任務(wù)，由于目前人工智能還不能提供實(shí)現(xiàn)智能機(jī)器的完整理論和方法，已有的人工智能技術(shù)大多數(shù)要依賴領(lǐng)域知識(shí)，因此當(dāng)我們把機(jī)器要完成的任務(wù)加以限定，及發(fā)展面向任務(wù)的特種機(jī)器人，那么已有的人工智能技術(shù)就能發(fā)揮作用，使開發(fā)這種類型的智能機(jī)器人成為可能；
- 2傳感技術(shù)和集成技術(shù)，在現(xiàn)有傳感器的基礎(chǔ)上發(fā)展更好、更先進(jìn)的處理方法和其實(shí)現(xiàn)手段，或者尋找新型傳感器，同時(shí)提高集成技術(shù)，增加信息的融合；
- 3機(jī)器人網(wǎng)絡(luò)化，利用通信網(wǎng)絡(luò)技術(shù)將各種機(jī)器人連接到計(jì)算機(jī)網(wǎng)絡(luò)上，并通過網(wǎng)絡(luò)對(duì)機(jī)器人進(jìn)行有效的控制；
- 4智能控制中的軟計(jì)算方法，與傳統(tǒng)的計(jì)算方法相比，以模糊邏輯、基于概率論的推理、神經(jīng)網(wǎng)絡(luò)、遺傳算法和混沌為代表的軟計(jì)算技術(shù)具有更高的魯棒性、易用性及計(jì)算的低耗費(fèi)性等優(yōu)點(diǎn)，應(yīng)用到機(jī)器人技術(shù)中，可以提高其問題求解速度，較好地處理多變量、非線性系統(tǒng)的問題；
- 5機(jī)器學(xué)習(xí)，各種機(jī)器學(xué)習(xí)算法的出現(xiàn)推動(dòng)了人工智能的發(fā)展，強(qiáng)化學(xué)習(xí)、蟻群算法、免疫算法等可以用到機(jī)器人系統(tǒng)中，使其具有類似人的學(xué)習(xí)能力，以適應(yīng)日益復(fù)雜的、不確定和非結(jié)構(gòu)化的環(huán)境；
- 6智能人機(jī)接口，人機(jī)交互的需求越來越向簡單化、多樣化、智能化、人性化方向發(fā)展，因此需要研究并設(shè)計(jì)各種智能人機(jī)接口如多語種語音、自然語言理解、圖像、手寫字識(shí)別等，以更好地適應(yīng)不同的用戶和不同的應(yīng)用任務(wù)，提高人與機(jī)器人交互的和諧性;
- 7多機(jī)器人協(xié)調(diào)作業(yè)，組織和控制多個(gè)機(jī)器人來協(xié)作完成單機(jī)器人無法完成的復(fù)雜任務(wù)，在復(fù)雜未知環(huán)境下實(shí)現(xiàn)實(shí)時(shí)推理反應(yīng)以及交互的群體決策和操作。