人工智能 第2版 課件 第10、11章 智能機(jī)器人、互聯(lián)網(wǎng)智能

人工智能

ArtificialIntelligence

第十章智能機(jī)器人IntelligentRobot2024/2/271人工智能：智能機(jī)器人2024/2/27人工智能：智能機(jī)器人2內(nèi)容提要10.1概述10.2智能機(jī)器人的體系結(jié)構(gòu) 10.3機(jī)器人視覺系統(tǒng) 10.4機(jī)器人規(guī)劃 10.5情感機(jī)器人 10.6發(fā)育機(jī)器人 10.7機(jī)器人應(yīng)用 10.8智能機(jī)器人發(fā)展趨勢10.9小結(jié)概述智能機(jī)器人是一種具有智能的、高度靈活的、自動(dòng)化的機(jī)器，具備感知、規(guī)劃、動(dòng)作、協(xié)同等能力，是多種高新技術(shù)的集成體。智能機(jī)器人是將體力勞動(dòng)和智力勞動(dòng)高度結(jié)合的產(chǎn)物，構(gòu)建能“思維”的人造機(jī)器。智能機(jī)器人的“智能”特征在于它具有與外部世界：對(duì)象、環(huán)境和人相適應(yīng)、相協(xié)調(diào)的工作機(jī)能。從控制方式看，智能機(jī)器人不同于工業(yè)機(jī)器人的“示教再現(xiàn)”，也不同于遙控機(jī)器人的“主—從操縱”，而是以一種“認(rèn)知—適應(yīng)”的方式自律的進(jìn)行操作。2024/2/27人工智能：智能機(jī)器人3概述智能機(jī)器人最大特點(diǎn)是：只需要告訴它“做什么”，而不用告訴它“怎么做”。智能機(jī)器人應(yīng)具有四種機(jī)能：運(yùn)動(dòng)機(jī)能：相當(dāng)于人的手和腳、臂和腿的工作機(jī)能，對(duì)環(huán)境施加作用；感知機(jī)能：獲取外部環(huán)境信息以便進(jìn)行自我行動(dòng)決策和監(jiān)視的機(jī)能，通常講的視覺、聽覺等；思維機(jī)能：求解問題的認(rèn)識(shí)、推理、判斷機(jī)能；人—機(jī)通信機(jī)能：理解指示命令，輸出內(nèi)部狀態(tài)，與人進(jìn)行信息交換的機(jī)能。

2024/2/27人工智能：智能機(jī)器人42024/2/27人工智能：智能機(jī)器人5內(nèi)容提要10.1概述10.2智能機(jī)器人的體系結(jié)構(gòu)

10.3機(jī)器人視覺系統(tǒng) 10.4機(jī)器人規(guī)劃 10.5情感機(jī)器人 10.6發(fā)育機(jī)器人 10.7機(jī)器人應(yīng)用 10.8智能機(jī)器人發(fā)展趨勢10.9小結(jié)智能機(jī)器人的體系結(jié)構(gòu)智能機(jī)器人體系結(jié)構(gòu)指一個(gè)智能機(jī)器人系統(tǒng)中的智能、行為、信息、控制的時(shí)空分布模式。以其系統(tǒng)的智能、行為、信息、控制作為分類標(biāo)準(zhǔn)，具有7種典型結(jié)構(gòu)：分層遞階結(jié)構(gòu)包容結(jié)構(gòu)三層結(jié)構(gòu)自組織結(jié)構(gòu)分布式結(jié)構(gòu)進(jìn)化控制結(jié)構(gòu)社會(huì)機(jī)器人結(jié)構(gòu)2024/2/27人工智能：智能機(jī)器人6動(dòng)作行動(dòng)感知

外部環(huán)境傳感器認(rèn)知分層遞階結(jié)構(gòu)1979年薩里迪斯（SaridisG）提出分層遞階結(jié)構(gòu)，其分層原則是：隨著控制精度的增加而智能能力減少。他根據(jù)這一原則把智能控制系統(tǒng)分為3級(jí)，即組織級(jí)，協(xié)調(diào)級(jí)和執(zhí)行級(jí)。分層遞階結(jié)構(gòu)是目標(biāo)驅(qū)動(dòng)的慎思結(jié)構(gòu)，其核心在于基于符號(hào)的規(guī)劃，其思想源于西蒙和紐厄爾的物理符號(hào)系統(tǒng)假說。分層遞階結(jié)構(gòu)中兩個(gè)典型的代表是SPA(sense-plan-act)和NASREM2024/2/27人工智能：智能機(jī)器人7包容結(jié)構(gòu)1986年，布魯克斯（R.Brooks）以移動(dòng)機(jī)器人為背景提出了一種依據(jù)行為來劃分層次和構(gòu)造模塊的思想

。包容結(jié)構(gòu)中每個(gè)控制層直接基于傳感器的輸入進(jìn)行決策，在其內(nèi)部不維護(hù)外界環(huán)境模型，可以在完全陌生的環(huán)境中進(jìn)行操作。Brooks采用包容結(jié)構(gòu)構(gòu)造了多種機(jī)器人，這些機(jī)器人顯示出非常強(qiáng)的智能行為。隨后涌現(xiàn)了一批基于包容思想的研究成果。2024/2/27人工智能：智能機(jī)器人8三層結(jié)構(gòu)三層結(jié)構(gòu)由反饋控制層、慎思規(guī)劃層和連接二者的序列層構(gòu)成。三層結(jié)構(gòu)是分層遞階和包容結(jié)構(gòu)相融合的混合結(jié)構(gòu)，它既吸取了遞階結(jié)構(gòu)中高層規(guī)劃的智能性，又保持了包容結(jié)構(gòu)中低層反應(yīng)的靈活性。機(jī)器人內(nèi)部狀態(tài)是傳感信息融合的結(jié)果，是對(duì)外界環(huán)境的反映。三層結(jié)構(gòu)中，序列層維護(hù)著狀態(tài)信息，反映的是環(huán)境的過去，控制層直接處理傳感信息，面對(duì)的是環(huán)境的現(xiàn)在，慎思層經(jīng)過規(guī)劃推理，預(yù)測的是環(huán)境的將來，從而保證了智能機(jī)器人在時(shí)間維上對(duì)環(huán)境的準(zhǔn)確把握。三層結(jié)構(gòu)的不足之處是忽視了傳感信息融合、學(xué)習(xí)和環(huán)境建模。2024/2/27人工智能：智能機(jī)器人9自組織結(jié)構(gòu)1997年，羅森勃拉特(RosenblattJ)在移動(dòng)機(jī)器人導(dǎo)航中提出了DAMN結(jié)構(gòu)。自組織結(jié)構(gòu)由一組分布式功能模塊和一個(gè)集中命令仲裁器組成。各功能模塊基于領(lǐng)域知識(shí)通過規(guī)劃或反應(yīng)方式自主產(chǎn)生行為(投票)，由仲裁器產(chǎn)生一致的、理性的、目標(biāo)導(dǎo)向的動(dòng)作到控制器。各功能模塊的投票受表決權(quán)大小的影響，表決權(quán)由模式管理器維護(hù)并可以動(dòng)態(tài)修改。于是，在不同的任務(wù)、環(huán)境狀態(tài)下，各功能模塊會(huì)表現(xiàn)出不同的輸人輸出關(guān)系，即通過分布投票、集中仲裁且動(dòng)態(tài)改變表決權(quán)的方式實(shí)現(xiàn)變構(gòu)，從而使DAMN結(jié)構(gòu)表現(xiàn)出自組織能力。2024/2/27人工智能：智能機(jī)器人10自組織結(jié)構(gòu)自組織結(jié)構(gòu)的智能分布在其動(dòng)態(tài)可變的結(jié)構(gòu)中，突破了傳統(tǒng)體系結(jié)構(gòu)中功能分布模式固定的框架，具有良好的可擴(kuò)充性和自適應(yīng)、自組織性能，但其集中仲裁的機(jī)制往往是信息流通和系統(tǒng)控制的瓶頸。2024/2/27人工智能：智能機(jī)器人11分布式結(jié)構(gòu)1998年，比亞喬（PiaggioM）提出一種稱為HEIR(hybridexpertsinintelligentrobots)的非層次結(jié)構(gòu)，由處理不同類型知識(shí)的3個(gè)部分組成：符號(hào)組件(S)、圖解組件(D)和反應(yīng)組件(R)，每個(gè)組件又都是一個(gè)由多個(gè)具有特定認(rèn)知功能的、可以并發(fā)執(zhí)行的Agent構(gòu)成的專家組，各組件沒有層次高低之分，自主地、并發(fā)地工作，相互間通過信息交換進(jìn)行協(xié)調(diào)，這是一種典型的分布式結(jié)構(gòu)。2024/2/27人工智能：智能機(jī)器人12進(jìn)化控制結(jié)構(gòu)將進(jìn)化計(jì)算理論與反饋控制理論相結(jié)合，形成了一個(gè)新的智能控制方法——進(jìn)化控制。它能很好地解決移動(dòng)機(jī)器人的學(xué)習(xí)與適應(yīng)能力方面的問題。進(jìn)化控制結(jié)構(gòu)的獨(dú)特之處在于其智能分布在進(jìn)化規(guī)劃過程中。進(jìn)化計(jì)算在求解復(fù)雜問題優(yōu)化解時(shí)具有獨(dú)到的優(yōu)越性，展現(xiàn)適應(yīng)復(fù)雜環(huán)境的自主性。2024/2/27人工智能：智能機(jī)器人13社會(huì)機(jī)器人結(jié)構(gòu)1999年，魯尼(RooneyB)根據(jù)社會(huì)智能假說提出了由物理層、反應(yīng)層、慎思層和社會(huì)層構(gòu)成的社會(huì)機(jī)器人體系結(jié)構(gòu)[Rooney1999](圖10-7)，其特色之處在于基于信念-愿望-意圖（BDI）模型的慎思層和基于Agent通信語言Teanga的社會(huì)層，BDI賦予了機(jī)器人心智狀態(tài)，Teanga賦予了機(jī)器人社會(huì)交互能力。2024/2/27人工智能：智能機(jī)器人14認(rèn)知機(jī)器人結(jié)構(gòu)認(rèn)知機(jī)器人是一種具有類似人類高層認(rèn)知能力、并能適應(yīng)復(fù)雜環(huán)境、完成復(fù)雜任務(wù)額新一代機(jī)器人。認(rèn)知機(jī)器人的抽象結(jié)構(gòu)，分為三層，即計(jì)算層、構(gòu)件層和硬件層。計(jì)算層包括知覺、認(rèn)知、行動(dòng)。知覺是在感覺的基礎(chǔ)上產(chǎn)生的，是對(duì)感覺信息的整合與解釋。認(rèn)知包括行動(dòng)選擇、規(guī)劃、學(xué)習(xí)、多機(jī)器人協(xié)同、團(tuán)隊(duì)工作等。行動(dòng)是機(jī)器人控制系統(tǒng)的最基本單元，包括移動(dòng)、導(dǎo)航、避障等，所有行為都可由它表現(xiàn)出來。行為是感知輸入到行動(dòng)模式的映射，行動(dòng)模式用來完成該行為。在構(gòu)件層包括感覺驅(qū)動(dòng)器（感覺庫）、行動(dòng)驅(qū)動(dòng)器（運(yùn)動(dòng)庫）和通信接口。硬件層有傳感器、激勵(lì)器、通信設(shè)施等。當(dāng)機(jī)器人在環(huán)境中運(yùn)行時(shí)，通過傳感器獲取環(huán)境信息,根據(jù)當(dāng)前的感知信息來搜索認(rèn)知模型，如果存在相應(yīng)的經(jīng)驗(yàn)與之匹配，則直接根據(jù)經(jīng)驗(yàn)來實(shí)現(xiàn)行動(dòng)決策，如果不具有相關(guān)經(jīng)驗(yàn)，則機(jī)器人利用知識(shí)庫來進(jìn)行推理。2024/2/27人工智能：智能機(jī)器人15認(rèn)知機(jī)器人結(jié)構(gòu)2024/2/27人工智能：智能機(jī)器人16密西根大學(xué)的萊德(LairdJ)等采用SOAR認(rèn)知模型構(gòu)建認(rèn)知機(jī)器人，系統(tǒng)中將符號(hào)處理與非符號(hào)處理結(jié)合，具有多種學(xué)習(xí)機(jī)制。2024/2/27人工智能：智能機(jī)器人17內(nèi)容提要10.1概述10.2智能機(jī)器人的體系結(jié)構(gòu) 10.3機(jī)器人視覺系統(tǒng)

10.4機(jī)器人規(guī)劃 10.5情感機(jī)器人 10.6發(fā)育機(jī)器人 10.7機(jī)器人應(yīng)用 10.8智能機(jī)器人發(fā)展趨勢10.9小結(jié)機(jī)器人視覺系統(tǒng)機(jī)器人要對(duì)外部世界的信息進(jìn)行感知，就要依靠各種傳感器。就像人類一樣，在機(jī)器人的眾多感知傳感器中，視覺系統(tǒng)提供了大部分機(jī)器人所需的外部世界信息。因此視覺系統(tǒng)在機(jī)器人技術(shù)中具有重要的作用。2024/2/27人工智能：智能機(jī)器人18機(jī)器人視覺系統(tǒng)的組成光源攝像機(jī)電視攝像機(jī)CCD攝像機(jī)機(jī)器人視覺系統(tǒng)分類依據(jù)視覺傳感器的數(shù)量和特性，目前主流的移動(dòng)機(jī)器人視覺系統(tǒng)有單目視覺雙目立體視覺多目視覺全景視覺2024/2/27人工智能：智能機(jī)器人19機(jī)器人定位技術(shù)移動(dòng)機(jī)器人導(dǎo)航中，實(shí)現(xiàn)機(jī)器人自身的準(zhǔn)確定位是一項(xiàng)最基本、最重要的功能。移動(dòng)機(jī)器人常用的定位技術(shù)包括以下幾個(gè)：基于航跡推算的定位技術(shù)基于信號(hào)燈的定位方法基于地圖的定位方法基于路標(biāo)的定位方法基于視覺的定位方法2024/2/27人工智能：智能機(jī)器人20自主視覺導(dǎo)航機(jī)器人自主視覺導(dǎo)航是目前世界范圍內(nèi)人工智能、機(jī)器人學(xué)、自動(dòng)控制等學(xué)科領(lǐng)域內(nèi)的研究熱點(diǎn)。采用被動(dòng)光學(xué)傳感器的視覺方法，體積功耗小，信息量豐富，因此基于視覺方法進(jìn)行地形感知與地圖構(gòu)建具有廣闊的應(yīng)用前景。2024/2/27人工智能：智能機(jī)器人21視覺伺服系統(tǒng)基于視覺的伺服控制形式。這種方式可以克服模型中存在的不確定性，提高視覺定位或跟蹤的精度。2024/2/27人工智能：智能機(jī)器人222024/2/27人工智能：智能機(jī)器人23內(nèi)容提要10.1概述10.2智能機(jī)器人的體系結(jié)構(gòu) 10.3機(jī)器人視覺系統(tǒng) 10.4機(jī)器人規(guī)劃

10.5情感機(jī)器人 10.6發(fā)育機(jī)器人 10.7機(jī)器人應(yīng)用 10.8智能機(jī)器人發(fā)展趨勢10.9小結(jié)機(jī)器人規(guī)劃規(guī)劃的任務(wù)是尋找一個(gè)動(dòng)作序列使問題求解（如控制系統(tǒng)）可以完成某個(gè)特定的任務(wù)。規(guī)劃實(shí)質(zhì)分類時(shí)淡化規(guī)劃內(nèi)容，只考慮規(guī)劃的實(shí)質(zhì)(1)任務(wù)規(guī)劃：對(duì)求解問題的目標(biāo)和任務(wù)等進(jìn)行規(guī)劃，又稱為高層規(guī)劃。(2)路徑規(guī)劃：對(duì)求解問題的途徑、路徑、代價(jià)等進(jìn)行規(guī)劃，又稱為中層規(guī)劃。(3)軌跡規(guī)劃：對(duì)求解問題的空間幾何軌跡及其生成進(jìn)行規(guī)劃，又稱為底層規(guī)劃。2024/2/27人工智能：智能機(jī)器人24任務(wù)規(guī)劃STRIPS是由現(xiàn)在的斯坦福研究所（SRIInternational）開發(fā)的，意思是斯坦福研究所規(guī)劃系統(tǒng)（StanfordResearchInstitutePlanningSystem）。這個(gè)控制程序是用來驅(qū)動(dòng)20世紀(jì)70年代的Shakey機(jī)器人的。整個(gè)STRIPS系統(tǒng)的組成如下:(1)世界模型。為一階謂詞演算公式。(2)操作符(F規(guī)則)。包括先決條件、刪除表和添加表。(3)操作方法。應(yīng)用狀態(tài)空間表示和中間-結(jié)局分析。2024/2/27人工智能：智能機(jī)器人2526積木世界的機(jī)器人規(guī)劃

積木世界由一些有標(biāo)記的立方形積木，互相堆迭在一起構(gòu)成；機(jī)器人有個(gè)可移動(dòng)的機(jī)械手，它可以抓起積木塊并移動(dòng)積木從一處至另一處。2024/2/27人工智能：智能機(jī)器人27機(jī)器人能夠執(zhí)行的動(dòng)作舉例如下：

unstack(a,b)：把堆放在積木b上的積木a拾起。在進(jìn)行這個(gè)動(dòng)作之前，要求機(jī)器人的手為空手，而且積木a的頂上是空的。

stack(a,b)：把積木a堆放在積木b上。動(dòng)作之前要求機(jī)械手必須已抓住積木a，而且積木b頂上必須是空的。

pickup(a)：從桌面上拾起積木a，并抓住它不放。在動(dòng)作之前要求機(jī)械手為空手，而且積木a頂上沒有任何東西。

putdown(a)：把積木a放置到桌面上。要求動(dòng)作之前機(jī)械手已抓住積木a。積木世界的機(jī)器人規(guī)劃2024/2/27人工智能：智能機(jī)器人28綜合機(jī)器人的動(dòng)作序列，即在某個(gè)給定初始情況下，經(jīng)過某個(gè)動(dòng)作序列而達(dá)到指定的目標(biāo)。機(jī)器人問題的狀態(tài)描述和目標(biāo)描述均可用謂詞邏輯公式構(gòu)成：

ON(a,b)：積木a在積木b之上。

ONTABLE(a)：積木a在桌面上。

CLEAR(a)：積木a頂上沒有任何東西。

HOLDING(a)：機(jī)械手正抓住積木a。

HANDEMPTY：機(jī)械手為空手。積木世界的機(jī)器人規(guī)劃2024/2/27人工智能：智能機(jī)器人29

目標(biāo)在于建立一個(gè)積木堆，其中，積木B堆在積木C上面，積木A又堆在積木B上面。CBA機(jī)械手ABC機(jī)械手（a）初始布局（b）目標(biāo)布局積木世界的機(jī)器人規(guī)劃2024/2/27人工智能：智能機(jī)器人30初始布局可由下列謂詞公式的合取來表示：CLEAR(B)：積木B頂部為空CLEAR(C)：積木C頂部為空ON(C，A)：積木C堆在積木A上ONTABLE(A)：積木A置于桌面上ONTABLE(B)：積木B置于桌面上HANDEMPTY：機(jī)械手為空手積木世界的機(jī)器人規(guī)劃2024/2/27人工智能：智能機(jī)器人31用F規(guī)則求解規(guī)劃序列

STRIPS規(guī)劃系統(tǒng)的規(guī)則由3部分組成：第一部分是先決條件。第二部分是一個(gè)叫做刪除表的謂詞。

第三部分叫做添加表。

2024/2/27人工智能：智能機(jī)器人32例：表示堆積木的例子中move這個(gè)動(dòng)作，如下所示：

move(x,y,z)：把物體x從物體y上面移到物體z上面。先決條件：CLEAR(x),CLEAR(z)，ON(x,y)

刪除表：ON(x,z)，CLEAR(z)

添加表：ON(x,z)，CLEAR(y)如果move為此機(jī)器人僅有的操作符或適用動(dòng)作，那么，可以生成move動(dòng)作的搜索圖或搜索樹。CLEAR(X)CLEAR(Z)ON(X,Y)ONTABLE(Y)ONTABLE(Z)CLEAR(X)CLEAR(Y)ON(X,Z)ONTABLE(Y)ONTABLE(z)move(X,Y,Z)用F規(guī)則求解規(guī)劃序列2024/2/27人工智能：智能機(jī)器人33機(jī)器人的4個(gè)動(dòng)作(或操作符)可用STRIPS形式表示如下：stack(X,Y)

先決條件和刪除表：HOLDING(X)∧CLEAR(Y)

添加表：HANDEMPTY，ON(X，Y)unstack(X,Y)

先決條件：HANDEMPTY∧ON(X，Y)∧CLEAR(X)

刪除表：ON(X，Y)，HANDEMPTY

添加表：HOLDING(X)，CLEAR(Y)pickup(X)

先決條件：ONTABLE(X)∧CLEAR(X)∧HANDEMPTY

刪除表：ONTABLE(X)∧HANDENPTY

添加表：HOLDING(X)putdown(X)

先決條件和刪除表：HOLDING(X)

添加表：ONTABLE(X)，HANDEMPTY積木世界的機(jī)器人規(guī)劃2024/2/27人工智能：智能機(jī)器人34從初始狀態(tài)開始，正向地依次讀出連接弧線上的F規(guī)則，我們就得到一個(gè)能夠達(dá)到目標(biāo)狀態(tài)的動(dòng)作序列于下：

{unstack(C,A),putdown(C),pickup(B),

stack(B,C),

pickup(A),stack(A,B)}就把這個(gè)動(dòng)作序列叫做達(dá)到這個(gè)積木世界機(jī)器人問題目標(biāo)的規(guī)劃。積木世界的機(jī)器人規(guī)劃2024/2/27人工智能：智能機(jī)器人35STRIPS規(guī)劃系統(tǒng)STRIPS的介紹

STRIPS是由Fikes、Hart和Nilsson3人在1981及1982研究成功的，它是夏凱(Shakey)機(jī)器人程序控制系統(tǒng)的一個(gè)組成部分。STRIPS系統(tǒng)組成世界模型：為一階謂詞演算公式；-操作符(F規(guī)則)：包括先決條件、刪除表和添加表；-操作方法：應(yīng)用狀態(tài)空間表示和中間-結(jié)局分析。2024/2/27人工智能：智能機(jī)器人36STRIPS規(guī)劃系統(tǒng)三角表2024/2/27人工智能：智能機(jī)器人37分層任務(wù)網(wǎng)絡(luò)規(guī)劃分層分解是處理復(fù)雜問題常見的方法。層次結(jié)構(gòu)的好處在于在每一層上，一個(gè)任務(wù)都能被分解為下一個(gè)較低層次的少量動(dòng)作，所以對(duì)當(dāng)前問題尋找正確的方法來安排這些動(dòng)作比較有效。這種思想與偏序規(guī)劃方法結(jié)合起來就是規(guī)劃方法中的分層任務(wù)網(wǎng)絡(luò)規(guī)劃（hierarchicaltasknetworkplanning）。把整體任務(wù)分解成容易處理的子任務(wù)集合，并且通過子任務(wù)集合的求解而最終得到整體任務(wù)的解。分層任務(wù)網(wǎng)絡(luò)問題可以用四元組來描述:P=(s0，w，O，M)，其中，s0是初始狀態(tài)，w是初始任務(wù)網(wǎng)絡(luò)，O是是操作的集合，M是方法的集合。2024/2/27人工智能：智能機(jī)器人38路徑規(guī)劃機(jī)器人的路徑規(guī)劃是指機(jī)器人在有障礙物的工作環(huán)境中，尋找出一條從起點(diǎn)到終點(diǎn)的路徑，使機(jī)器人在運(yùn)動(dòng)過程中能無碰撞地繞過所有障礙物到達(dá)目的地，其實(shí)質(zhì)就是移動(dòng)機(jī)器人運(yùn)動(dòng)過程中的導(dǎo)航和避障?；诓煌难芯糠较?，移動(dòng)機(jī)器人路徑規(guī)劃有著不同的劃分標(biāo)準(zhǔn)。比較常用的有根據(jù)環(huán)境信息感知程度分類和根據(jù)環(huán)境信息確定性分類在當(dāng)今移動(dòng)機(jī)器人路徑規(guī)劃中，全局路徑規(guī)劃主要是環(huán)境建模和路徑搜索策略兩個(gè)子問題。其中環(huán)境建模的主要方法有自由空間法、可視圖法(V-Graph)和柵格法(Grids)等。路徑搜索主要有：A*算法、D*最優(yōu)算法等。局部路徑規(guī)劃的主要方法有遺傳算法、人工勢場法(ArtificialPotentialField)、模糊邏輯算法和滾動(dòng)窗口法等。。2024/2/27人工智能：智能機(jī)器人軌跡規(guī)劃機(jī)器人軌跡(trajectory)泛指機(jī)器人在運(yùn)動(dòng)過程中的運(yùn)動(dòng)軌跡，即運(yùn)動(dòng)點(diǎn)的位移、速度和加速度。軌跡的生成一般是先給定軌跡上的若干個(gè)點(diǎn)，將其經(jīng)運(yùn)動(dòng)學(xué)反解映射到關(guān)節(jié)空間，對(duì)關(guān)節(jié)空間中的相應(yīng)點(diǎn)建立運(yùn)動(dòng)方程，然后按這些運(yùn)動(dòng)方程對(duì)關(guān)節(jié)進(jìn)行插值，從而實(shí)現(xiàn)作業(yè)空間的運(yùn)動(dòng)要求，這一過程通常稱為軌跡規(guī)劃。機(jī)器人運(yùn)動(dòng)軌跡的描述一般是對(duì)其手部位姿的描述，此位姿值可與關(guān)節(jié)變量相互轉(zhuǎn)換。控制軌跡也就是按時(shí)間控制手部或工具中心走過的空間路徑(path)。2024/2/27人工智能：智能機(jī)器人39軌跡規(guī)劃在軌跡規(guī)劃中，為敘述方便，也常用點(diǎn)來表示機(jī)器人的狀態(tài)，或用它來表示工具坐標(biāo)系的位姿，例如起始點(diǎn)、終止點(diǎn)就分別表示工具坐標(biāo)系的起始位姿及終止位姿。更詳細(xì)地描述運(yùn)動(dòng)時(shí)不僅要規(guī)定機(jī)器人的起始點(diǎn)和終止點(diǎn)，而且要給出介于起始點(diǎn)和終止點(diǎn)之間的中間點(diǎn)，也稱路徑點(diǎn)。這時(shí)，運(yùn)動(dòng)軌跡除了位姿約束外，還存在著各路徑點(diǎn)之間的時(shí)間分配問題。例如，在規(guī)定路徑的同時(shí)，必須給出兩個(gè)路徑點(diǎn)之間的運(yùn)動(dòng)時(shí)間.2024/2/27人工智能：智能機(jī)器人40軌跡規(guī)劃軌跡規(guī)劃既可以在關(guān)節(jié)空間中進(jìn)行，也可以在直角坐標(biāo)空間中進(jìn)行。在關(guān)節(jié)空間中進(jìn)行軌跡規(guī)劃是指將所有關(guān)節(jié)變量表示為時(shí)間的函數(shù)，用這些關(guān)節(jié)函數(shù)及其一階、二階導(dǎo)數(shù)描述機(jī)器人預(yù)期的運(yùn)動(dòng)；在直角坐標(biāo)空間中進(jìn)行軌跡規(guī)劃是指將手爪位姿、速度和加速度表示為時(shí)間的函數(shù)，而相應(yīng)的關(guān)節(jié)位置、速度和加速度由手爪信息導(dǎo)出。2024/2/27人工智能：智能機(jī)器人41軌跡的生成方式(1)示教-再現(xiàn)運(yùn)動(dòng)。這種運(yùn)動(dòng)由人手把手示教機(jī)器人，定時(shí)記錄各關(guān)節(jié)變量，得到沿路徑運(yùn)動(dòng)時(shí)各關(guān)節(jié)的位移時(shí)間函數(shù)q(t)；再現(xiàn)時(shí)，按內(nèi)存中記錄的各點(diǎn)的值產(chǎn)生序列動(dòng)作。(2)關(guān)節(jié)空間運(yùn)動(dòng)。這種運(yùn)動(dòng)直接在關(guān)節(jié)空間里進(jìn)行。由于動(dòng)力學(xué)參數(shù)及其極限值直接在關(guān)節(jié)空間里描述，所以用這種方式求最短時(shí)間運(yùn)動(dòng)很方便。(3)空間直線運(yùn)動(dòng)。這是一種直角空間里的運(yùn)動(dòng)，它便于描述空間操作，計(jì)算量小，適宜簡單的作業(yè)。(4)空間曲線運(yùn)動(dòng)。這是一種在直角空間中用明確的函數(shù)表達(dá)的運(yùn)動(dòng)，如圓周運(yùn)動(dòng)、螺旋運(yùn)動(dòng)等。2024/2/27人工智能：智能機(jī)器人422024/2/27人工智能：智能機(jī)器人43內(nèi)容提要10.1概述10.2智能機(jī)器人的體系結(jié)構(gòu) 10.3機(jī)器人視覺系統(tǒng) 10.4機(jī)器人規(guī)劃 10.5情感機(jī)器人

10.6發(fā)育機(jī)器人 10.7機(jī)器人應(yīng)用 10.8智能機(jī)器人發(fā)展趨勢10.9小結(jié)情感機(jī)器人情感機(jī)器人就是用人工的方法和技術(shù)賦予機(jī)器人以人類式的情感，使之具有表達(dá)、識(shí)別和理解喜樂哀怒，模仿、延伸和擴(kuò)展人的情感的能力。20世紀(jì)90年代各國紛紛提出了“情感計(jì)算”、“感性工學(xué)”、“人工情感”與“人工心理”等理論，為情感識(shí)別與表達(dá)型機(jī)器人的產(chǎn)生奠定了理論基礎(chǔ)。主要的技術(shù)成果有：基于圖像或視頻的人臉表情識(shí)別技術(shù)；基于情景的情感手勢、動(dòng)作識(shí)別與理解技術(shù)；表情合成和情感表達(dá)方法和理論；情感手勢、動(dòng)作生成算法和模型；基于概率圖模型的情感狀態(tài)理解技術(shù)；情感測量和表示技術(shù)，情感交互設(shè)計(jì)和模型等。這種機(jī)器人能夠比較逼真地模擬人的許多種情感表達(dá)方式，能夠較為準(zhǔn)確地識(shí)別幾種基本的情感模式。2024/2/27人工智能：智能機(jī)器人44情感機(jī)器人真正具有類人情感的機(jī)器人必須具備三個(gè)基本系統(tǒng)：情感識(shí)別系統(tǒng)、情感計(jì)算系統(tǒng)和情感表達(dá)系統(tǒng)。2024/2/27人工智能：智能機(jī)器人452024/2/27人工智能：智能機(jī)器人46內(nèi)容提要10.1概述10.2智能機(jī)器人的體系結(jié)構(gòu) 10.3機(jī)器人視覺系統(tǒng) 10.4機(jī)器人規(guī)劃 10.5情感機(jī)器人 10.6發(fā)育機(jī)器人

10.7機(jī)器人應(yīng)用 10.8智能機(jī)器人發(fā)展趨勢10.9小結(jié)發(fā)育機(jī)器人發(fā)育機(jī)器人與傳統(tǒng)機(jī)器人的不同之處表現(xiàn)在：不是針對(duì)某種特定的任務(wù)，必須要對(duì)未知可能發(fā)生的任務(wù)生成合理的表示，要像動(dòng)物一樣可以在線的進(jìn)行學(xué)習(xí)，同時(shí)這種學(xué)習(xí)是一種增量的過程，即要保證高層的決策建立在底層比較簡單的基礎(chǔ)之上。另外，自組織特性也是發(fā)育機(jī)器人的獨(dú)特之處，在沒有人類進(jìn)行干擾的情況下，發(fā)育機(jī)器人也要保證能對(duì)所學(xué)知識(shí)進(jìn)行合理的組織與存儲(chǔ)。

1996年，翁巨揚(yáng)（WengJ）提出了機(jī)器人自主智力發(fā)育的思想。2001年，他在Science雜志上詳細(xì)地闡述了自主智力發(fā)育的思想框架與可實(shí)現(xiàn)的算法模型2024/2/27人工智能：智能機(jī)器人47發(fā)育機(jī)器人發(fā)育模型的構(gòu)建與發(fā)育學(xué)習(xí)算法的設(shè)計(jì)是發(fā)育機(jī)器人主要研究的兩大方面。發(fā)育模型的基本結(jié)構(gòu)2024/2/27人工智能：智能機(jī)器人482024/2/27人工智能：智能機(jī)器人49內(nèi)容提要10.1概述10.2智能機(jī)器人的體系結(jié)構(gòu) 10.3機(jī)器人視覺系統(tǒng) 10.4機(jī)器人規(guī)劃 10.5情感機(jī)器人 10.6發(fā)育機(jī)器人 10.7機(jī)器人應(yīng)用

10.8智能機(jī)器人發(fā)展趨勢10.9小結(jié)機(jī)器人應(yīng)用2013年，全球工業(yè)機(jī)器人銷量17．9萬臺(tái)；中國銷售3．7萬臺(tái)，約占全球市場份額20％。中國首次成為全球最大機(jī)器人市場。2014年，全球工業(yè)機(jī)器人銷量22．5萬臺(tái)；中國銷售5．6萬臺(tái)，增幅54％，約占全球市場份額25％，其中中國本土企業(yè)銷量為1．6萬臺(tái)。但是，中國每萬人工業(yè)機(jī)器人保有量為30，不及全球平均水平的一半，市場潛力巨大。2024/2/27人工智能：智能機(jī)器人50機(jī)器人戰(zhàn)士Porton

man

2024/2/27人工智能：智能機(jī)器人51人工智能：智能機(jī)器人BostonDynamicsPetMan2024/2/2752人工智能：智能機(jī)器人火星探測器2024/2/2753好奇號(hào)勇氣號(hào)人工智能：智能機(jī)器人BostonDynamics機(jī)器狗2024/2/2754/watch?feature=player_embedded&v=M8YjvHYbZ9wBigDog：能攜帶150公斤重物的機(jī)器人服務(wù)機(jī)器人2024/2/27人工智能：智能機(jī)器人55

TOYS2024/2/27人工智能：智能機(jī)器人56Robocup2015-合肥2024/2/27人工智能：智能機(jī)器人572024/2/27人工智能：智能機(jī)器人58內(nèi)容提要10.1概述10.2智能機(jī)器人的體系結(jié)構(gòu) 10.3機(jī)器人視覺系統(tǒng) 10.4機(jī)器人規(guī)劃 10.5情感機(jī)器人 10.6發(fā)育機(jī)器人 10.7機(jī)器人應(yīng)用 10.8智能機(jī)器人發(fā)展趨勢10.9小結(jié)人工智能：智能機(jī)器人智能機(jī)器人發(fā)展趨勢2024/2/2759今后機(jī)器人要轉(zhuǎn)向與人合作的階段。與人共融將是下一代機(jī)器人的特征。國際機(jī)器人界都在加大科研力度，進(jìn)行機(jī)器人共性技術(shù)的研究，并朝著智能化和多樣化方向發(fā)展。主要研究內(nèi)容集中在以下10個(gè)方面：(1)工業(yè)機(jī)器人操作機(jī)結(jié)構(gòu)的優(yōu)化設(shè)計(jì)技術(shù)：探索新的高強(qiáng)度輕質(zhì)材料，進(jìn)一步提高負(fù)載/自重比，同時(shí)機(jī)構(gòu)向著模塊化、可重構(gòu)方向發(fā)展。(2)機(jī)器人控制技術(shù)：重點(diǎn)研究開放式，模塊化控制系統(tǒng)，人機(jī)界面更加友好，語言、圖形編程界面正在研制之中。機(jī)器人控制器的標(biāo)準(zhǔn)化和網(wǎng)絡(luò)化，以及基于PC機(jī)網(wǎng)絡(luò)式控制器已成為研究熱點(diǎn)(3)多傳感系統(tǒng)：為進(jìn)一步提高機(jī)器人的智能和適應(yīng)性，多種傳感器的使用是其問題解決的關(guān)鍵。人工智能：智能機(jī)器人智能機(jī)器人發(fā)展趨勢2024/2/2760(4)機(jī)器人的結(jié)構(gòu)靈巧，控制系統(tǒng)愈來愈小，二者正朝著一體化方向發(fā)展。(5)機(jī)器人遙控及監(jiān)控技術(shù)，機(jī)器人半自主和自主技術(shù)，多機(jī)器人和操作者之間的協(xié)調(diào)控制，通過網(wǎng)絡(luò)建立大范圍內(nèi)的機(jī)器人遙控系統(tǒng)，在有時(shí)延的情況下，建立預(yù)先顯示進(jìn)行遙控等。(6)虛擬機(jī)器人技術(shù)：基于多傳感器、多媒體和虛擬現(xiàn)實(shí)以及臨場感技術(shù)，實(shí)現(xiàn)機(jī)器人的虛擬遙控操作和人機(jī)交互。(7)多智能體調(diào)控制技術(shù)：這是目前機(jī)器人研究的一個(gè)嶄新領(lǐng)域。主要對(duì)多主體的群體體系結(jié)構(gòu)、相互間的通信與磋商機(jī)理，感知與學(xué)習(xí)方法，建模和規(guī)劃、群體行為控制等方面進(jìn)行研究。人工智能：智能機(jī)器人智能機(jī)器人發(fā)展趨勢2024/2/2761（8）微型和微小機(jī)器人技術(shù):這是機(jī)器人研究的一個(gè)新的領(lǐng)域和重點(diǎn)發(fā)展方向。微小型機(jī)器人技術(shù)的研究主要集中在系統(tǒng)結(jié)構(gòu)、運(yùn)動(dòng)方式、控制方法、傳感技術(shù)、通信技術(shù)以及行走技術(shù)等方面。（9）軟機(jī)器人技術(shù)（softrobotics）:主要用于醫(yī)療、護(hù)理、休閑和娛樂場合。傳統(tǒng)機(jī)器人設(shè)計(jì)未考慮與人緊密共處，因此其結(jié)構(gòu)材料多為金屬或硬性材料，軟機(jī)器人技術(shù)要求其結(jié)構(gòu)、控制方式和所用傳感系統(tǒng)在機(jī)器人意外地與環(huán)境或人碰撞時(shí)是安全的，機(jī)器人對(duì)人是友好的。（10）仿人和仿生技術(shù)：這是機(jī)器人技術(shù)發(fā)展的最高境界，目前僅在某些方面進(jìn)行一些基礎(chǔ)研究。人工智能：智能機(jī)器人中國制造2025規(guī)劃綱要2024/2/2762強(qiáng)調(diào)創(chuàng)新驅(qū)動(dòng)質(zhì)量為先綠色發(fā)展結(jié)構(gòu)優(yōu)化人才為本人工智能：智能機(jī)器人世界機(jī)器人大會(huì)2024/2/27632015年11月23日，世界機(jī)器人大會(huì)在北京舉行，這是中國首次舉辦關(guān)于機(jī)器人的國際性大會(huì)。中國國家主席習(xí)近平向會(huì)議發(fā)來賀信，指出以機(jī)器人科技為代表的智能產(chǎn)業(yè)蓬勃興起，成為現(xiàn)代科技創(chuàng)新的一個(gè)重要標(biāo)志。中國將機(jī)器人和智能制造納入了國家科技創(chuàng)新的優(yōu)先重點(diǎn)領(lǐng)域。

人工智能：智能機(jī)器人世界機(jī)器人大會(huì)2024/2/27642015年11月23日，世界機(jī)器人大會(huì)在北京舉行，這是中國首次舉辦關(guān)于機(jī)器人的國際性大會(huì)。以機(jī)器人科技為代表的智能產(chǎn)業(yè)蓬勃興起，成為現(xiàn)代科技創(chuàng)新的一個(gè)重要標(biāo)志。中國將機(jī)器人和智能制造納入了國家科技創(chuàng)新的優(yōu)先重點(diǎn)領(lǐng)域。

人工智能：智能機(jī)器人機(jī)器人革命2024/2/2765機(jī)器人革命：

即將到來的機(jī)器人時(shí)代約瑟夫

巴-科恩（YosephBar-Coben）博士，在美國國家航空航天局NASA噴氣推進(jìn)實(shí)驗(yàn)室中擔(dān)任高級(jí)科學(xué)家及課題研究組組長，從事電活性材料及裝置和仿生機(jī)制方面的研究。大衛(wèi)

漢森（DavidHanson）博士，作為一名藝術(shù)家兼科學(xué)家，從事著仿生機(jī)器人的研制工作。2024/2/27人工智能：智能機(jī)器人66內(nèi)容提要10.1概述10.2智能機(jī)器人的體系結(jié)構(gòu) 10.3機(jī)器人視覺系統(tǒng) 10.4機(jī)器人規(guī)劃 10.5情感機(jī)器人 10.6發(fā)育機(jī)器人 10.7機(jī)器人應(yīng)用 10.8智能機(jī)器人發(fā)展趨勢10.9小結(jié)人工智能：智能機(jī)器人小結(jié)2024/2/276720世紀(jì)末“計(jì)算機(jī)文化”已深入人心。21世紀(jì)，“機(jī)器人文化”將茁壯成長，將對(duì)社會(huì)生產(chǎn)力的發(fā)展，對(duì)人類生活、工作、思維的方式以及社會(huì)發(fā)展產(chǎn)生無可估量的影響。智能機(jī)器人是集多種技術(shù)于一身的人造制品，是推動(dòng)新工業(yè)革命的關(guān)鍵。人與機(jī)器人的關(guān)系從20世紀(jì)70年代的“人機(jī)競爭”，發(fā)展到20世紀(jì)90年代的“人機(jī)共存”，再到目前的“人機(jī)協(xié)作”，預(yù)計(jì)到2020年將形成“人機(jī)共融”的新局面。本章主要探討智能機(jī)器人的體系結(jié)構(gòu)、視覺系統(tǒng)、自動(dòng)規(guī)劃；簡要介紹情感機(jī)器人和發(fā)育機(jī)器人；列舉智能機(jī)器人的重要應(yīng)用。最后指出智能機(jī)器人的發(fā)展趨勢。2024/2/27人工智能：智能機(jī)器人68

ThankYou人工智能/人工智能

ArtificialIntelligence

第十一章互聯(lián)網(wǎng)智能WebIntelligence2024/2/2769人工智能：互聯(lián)網(wǎng)智能2024/2/27人工智能：互聯(lián)網(wǎng)智能70內(nèi)容提要11.1概述 11.2語義Web 11.3本體知識(shí)管理 11.4Web技術(shù)的演化11.5Web挖掘 11.6搜索引擎 11.7集體智能 11.8小結(jié) 因特網(wǎng)（internet），是網(wǎng)絡(luò)與網(wǎng)絡(luò)之間以一組通用的協(xié)定相連，形成邏輯上單一龐大、覆蓋全世界的全球性互聯(lián)網(wǎng)絡(luò)。萬維網(wǎng)（WorldWideWeb），是基于超文本相互鏈接而成的全球性系統(tǒng)，通過互聯(lián)網(wǎng)訪問。本章論述互聯(lián)網(wǎng)智能主要是指基于萬維網(wǎng)的智能技術(shù)，即“Webintelligence”,人們經(jīng)常稱作互聯(lián)網(wǎng)智能。概述2024/2/2771人工智能：互聯(lián)網(wǎng)智能1962年美國美國國防部高級(jí)研究計(jì)劃署的Licklider等提出通過網(wǎng)絡(luò)將計(jì)算機(jī)互聯(lián)起來的構(gòu)想。1969年12月ARPANET將美國西南部的加州大學(xué)洛杉磯分校、斯坦福大學(xué)研究學(xué)院、加州大學(xué)圣塔芭芭拉分校和猶他州大學(xué)的四臺(tái)主要的計(jì)算機(jī)連接起來。到1970年6月，麻省理工學(xué)院、哈佛大學(xué)、BBN和加州圣達(dá)莫尼卡系統(tǒng)發(fā)展公司加入進(jìn)來。1972年對(duì)公眾展示，并出現(xiàn)了email。1983年ARPANET完全轉(zhuǎn)移到TCP/IP協(xié)議。1995年美國國家科學(xué)基金會(huì)組建的NSFNET與全球50000多個(gè)網(wǎng)絡(luò)互聯(lián)，互聯(lián)網(wǎng)已經(jīng)初具規(guī)模。概述2024/2/2772人工智能：互聯(lián)網(wǎng)智能互聯(lián)網(wǎng)從誕生到現(xiàn)在的50多年發(fā)展中，可以分為四個(gè)階段，即計(jì)算機(jī)互聯(lián)、網(wǎng)頁互聯(lián)、用戶實(shí)時(shí)交互、語義互聯(lián)。2014年7月21日，中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布了《第34次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》。截至2014年6月，我國網(wǎng)民規(guī)模達(dá)6.32億，手機(jī)網(wǎng)民規(guī)模達(dá)5.27億，域名總數(shù)為1915萬個(gè)，網(wǎng)站總數(shù)為273萬個(gè)。中國互聯(lián)網(wǎng)已經(jīng)形成規(guī)模，互聯(lián)網(wǎng)應(yīng)用走向多元化。概述2024/2/2773人工智能：互聯(lián)網(wǎng)智能隨著互聯(lián)網(wǎng)的大規(guī)模應(yīng)用，出現(xiàn)了各種各樣基于互聯(lián)網(wǎng)的計(jì)算模式。近幾年來云計(jì)算(cloudcomputing)引起廣泛的關(guān)注。云計(jì)算是分布式計(jì)算的一種范型，它強(qiáng)調(diào)在互聯(lián)網(wǎng)上建立大規(guī)模數(shù)據(jù)中心等信息技術(shù)基礎(chǔ)設(shè)施，通過面向服務(wù)的商業(yè)模式為各類用戶提供基礎(chǔ)設(shè)施能力。在用戶看來，云計(jì)算提供了一種大規(guī)模的資源池，資源池管理的資源包括計(jì)算、存儲(chǔ)、平臺(tái)和服務(wù)等各種資源，資源池中的資源經(jīng)過了抽象和虛擬化處理，并且是動(dòng)態(tài)可擴(kuò)展的。概述2024/2/2774人工智能：互聯(lián)網(wǎng)智能2024/2/27人工智能：互聯(lián)網(wǎng)智能75內(nèi)容提要11.1概述 11.2語義Web

11.3本體知識(shí)管理 11.4Web技術(shù)的演化11.5Web挖掘 11.6搜索引擎 11.7集體智能 11.8小結(jié) Berners-Lee于2000-12-18在XML2000的會(huì)議上正式提出了語義Web。語義Web的目標(biāo)是使得Web上的信息具有計(jì)算機(jī)可以理解的語義，滿足智能體(Agent)對(duì)WWW上異構(gòu)和分布信息的有效訪問和搜索。Berners-Lee為未來的Web發(fā)展提出了基于語義的體系結(jié)構(gòu)-語義Web體系結(jié)構(gòu)。該體系中從底層到高層分別為：UNICODE和URI、XML、RDF、Ontology、Logic、Proof、Trust語義Web2024/2/2776人工智能：互聯(lián)網(wǎng)智能2024/2/27人工智能：互聯(lián)網(wǎng)智能77語義Web層次結(jié)構(gòu)第一層是UNICODE和URI，是整個(gè)語義WEB的基礎(chǔ)，Unicode處理資源的編碼，實(shí)現(xiàn)網(wǎng)上信息的統(tǒng)一編碼，URI負(fù)責(zé)標(biāo)識(shí)資源，支持語義網(wǎng)上的對(duì)象和資源的精細(xì)標(biāo)識(shí)；第二層是XML+NameSpace+xmlschema，用于表示數(shù)據(jù)的內(nèi)容和結(jié)構(gòu)；通過XML標(biāo)記語言將網(wǎng)上資源信息的結(jié)構(gòu)、內(nèi)容和數(shù)據(jù)的表現(xiàn)形式進(jìn)行分離；第三層是RDF+rdfschema，用于描述WEB上的資源及其類型、關(guān)系，為網(wǎng)上資源描述提供一種通用框架和實(shí)現(xiàn)數(shù)據(jù)集成的元數(shù)據(jù)解決方案；第四層是OntologyVocabulary，用于描述各種資源之間的聯(lián)系，揭示資源本身及資源之間更為復(fù)雜和豐富的語義聯(lián)系，明確定義描述屬性或類的術(shù)語語義及術(shù)語間關(guān)系；2024/2/2778人工智能：互聯(lián)網(wǎng)智能第五層是邏輯層。邏輯主要提供公理和推理規(guī)則，為智能推理提供基礎(chǔ)。該層用來產(chǎn)生規(guī)則。第六層是證明層，執(zhí)行邏輯層產(chǎn)生的規(guī)則，并結(jié)合信任層的應(yīng)用機(jī)制來評(píng)判是否能夠信賴給定的證明。第七層是信任層。頂層的信任注重于提供信任機(jī)制，以保證用戶代理Agent在網(wǎng)上進(jìn)行個(gè)性化服務(wù)和彼此間交互合作時(shí)，更安全可靠。核心層為XML、RDF、ONTOLOGY，這3層用于表示W(wǎng)eb信息的語義。2024/2/2779人工智能：互聯(lián)網(wǎng)智能2024/2/27人工智能：互聯(lián)網(wǎng)智能80內(nèi)容提要11.1概述 11.2語義Web 11.3本體知識(shí)管理

11.4Web技術(shù)的演化11.5Web挖掘 11.6搜索引擎 11.7集體智能 11.8小結(jié) 2024/2/27人工智能：互聯(lián)網(wǎng)智能81KMSphereLayersEmailDocumentFileImageVideoWebOntologyAcquisitionKnowledgeorganizationKnowledgeDistributionKnowledgeApplication2024/2/27人工智能：互聯(lián)網(wǎng)智能82KMSphereArchitecture2024/2/27人工智能：互聯(lián)網(wǎng)智能83KMSphereWorkflow2024/2/27人工智能：互聯(lián)網(wǎng)智能84KMSphereDemoCreateontologybyhand2024/2/27人工智能：互聯(lián)網(wǎng)智能85KMSphereDemoOntologyacquisitionfromdatabases2024/2/27人工智能：互聯(lián)網(wǎng)智能86KMSphereDemoOntologyacquisitionfromtext2024/2/27人工智能：互聯(lián)網(wǎng)智能87KMSphereDemoEditontology2024/2/27人工智能：互聯(lián)網(wǎng)智能88KMSphereDemoOntologyconsistencycheck2024/2/27人工智能：互聯(lián)網(wǎng)智能89KMSphereDemoRDQL(RDFDataQueryLanguage)2024/2/27人工智能：互聯(lián)網(wǎng)智能90內(nèi)容提要11.1概述 11.2語義Web 11.3本體知識(shí)管理 11.4Web技術(shù)的演化11.5Web挖掘 11.6搜索引擎 11.7集體智能 11.8小結(jié) 2024/2/27人工智能：互聯(lián)網(wǎng)智能91互聯(lián)網(wǎng)發(fā)展路線圖Spivack20082024/2/27人工智能：互聯(lián)網(wǎng)智能92Web發(fā)展路線圖Spivack2008Web1.02024/2/27人工智能：互聯(lián)網(wǎng)智能93Web2.02024/2/27人工智能：互聯(lián)網(wǎng)智能94TimO’Reilly-Web2.02024/2/27人工智能：互聯(lián)網(wǎng)智能95

Web3.02024/2/27人工智能：互聯(lián)網(wǎng)智能96Web1.0–Web2.0–Web3.0文件網(wǎng)

Web1.0:Webofdocuments人際/社會(huì)網(wǎng)

Web2.0:Webofpersons數(shù)據(jù)網(wǎng)

Web3.0:Webofdata(semantics)2024/2/27人工智能：互聯(lián)網(wǎng)智能972024/2/27人工智能：互聯(lián)網(wǎng)智能98內(nèi)容提要11.1概述 11.2語義Web 11.3本體知識(shí)管理 11.4Web技術(shù)的演化11.5Web挖掘

11.6搜索引擎 11.7集體智能 11.8小結(jié) Web挖掘分類2024/2/27人工智能：互聯(lián)網(wǎng)智能99

Web挖掘類項(xiàng)目Web內(nèi)容挖掘Web結(jié)構(gòu)挖掘Web日志挖掘處理數(shù)據(jù)類型IR方法：無結(jié)構(gòu)數(shù)據(jù)、半結(jié)構(gòu)數(shù)據(jù)Web結(jié)構(gòu)數(shù)據(jù)用戶訪問Web數(shù)據(jù)主要數(shù)據(jù)自由化文本、HTML標(biāo)記的超文本W(wǎng)eb文檔內(nèi)及文檔間的超鏈Serverlog,Proxyserverlog,Clientlog表示方法詞集、段落、概念、IR的三種經(jīng)典模型圖關(guān)系表、圖處理方法統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、自然語言理解機(jī)器學(xué)習(xí)、專有算法統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、關(guān)聯(lián)規(guī)則主要應(yīng)用分類、聚類、模式發(fā)現(xiàn)頁面權(quán)重分類聚類模式發(fā)現(xiàn)Web站點(diǎn)重建，商業(yè)決策2024/2/27人工智能：互聯(lián)網(wǎng)智能100Web挖掘分類基于網(wǎng)頁內(nèi)容或其描述中抽取知識(shí)的過程。Web內(nèi)容挖掘主要包括文本挖掘和多媒體挖掘兩類，其挖掘?qū)ο蟀ㄎ谋?、圖像、音頻、視頻和其他各種類型的數(shù)據(jù)。2024/2/27人工智能：互聯(lián)網(wǎng)智能101Web挖掘分類日志的預(yù)處理IPAddressTime/DateMethod/URIReferrerAgent15:30:01/2-Jan-01GETIndex.htm/link.htmMozilla/4.0(IE5.0W98)15:30:01/2-Jan-01GET1.htm/index.htmMozilla/4.0(IE5.0W98)15:30:01/2-Jan-01GETA.htm/index.htmMozilla/4.0(IE5.0W98)15:37:09/2-Jan-01GETE.htm/C.htmMozilla/4.0(IE5.0W98)15:33:04/2-Jan-01GETIndex.htm/res.phpMozilla/4.0(IE4.0NT)15:33:04/2-Jan-01GET1.htm/index.htmMozilla/4.0(IE4.0NT)15:33:04/2-Jan-01GETA.htm/index.htmMozilla/4.0(IE4.0NT)15:35:11/2-Jan-01GETB.htm/A.htmMozilla/4.0(IE4.0NT)15:35:11/2-Jan-01GETC.htm/A.htmMozilla/4.0(IE5.0W98)2024/2/27人工智能：互聯(lián)網(wǎng)智能102Web文本挖掘Web文本挖掘針對(duì)包括Web頁面內(nèi)容、頁面結(jié)構(gòu)和用戶訪問信息等在內(nèi)的各種Web數(shù)據(jù)，應(yīng)用數(shù)據(jù)挖掘方法發(fā)現(xiàn)有用的知識(shí)幫助人們從大量Web文檔集中發(fā)現(xiàn)隱藏的模式。2024/2/27人工智能：互聯(lián)網(wǎng)智能103Web文本挖掘的方法文本概括：從文本（集）中抽取關(guān)鍵信息，用簡潔的形式總結(jié)文本（集）的主題內(nèi)容。例如搜索引擎在向用戶返回查詢結(jié)果時(shí)，通常需要給出文本摘要。文本分類：把一些被標(biāo)記的文本作為訓(xùn)練集，找到文本屬性和文本類別之間的關(guān)系模型，然后利用這種關(guān)系模型判斷新文本的類別。召回率和精度。文本聚類：根據(jù)文本的不同特征劃分為不同的類。從大量文檔中發(fā)現(xiàn)一對(duì)詞語出現(xiàn)模式的關(guān)聯(lián)分析以及特定數(shù)據(jù)在未來的情況預(yù)測。2024/2/27人工智能：互聯(lián)網(wǎng)智能104Web文本挖掘的應(yīng)用搜索引擎領(lǐng)域：利用Web文本挖掘可以更合理地組織搜索結(jié)果：按照頁面之間的相似程度分為若干簇。自然語言理解領(lǐng)域：結(jié)合自然語言處理技術(shù)和Web文本挖掘技術(shù)。2024/2/27人工智能：互聯(lián)網(wǎng)智能105文本挖掘在垃圾郵件過濾中的應(yīng)用2024/2/27人工智能：互聯(lián)網(wǎng)智能106Web結(jié)構(gòu)挖掘有用的知識(shí)不僅存在于Web頁面間的鏈接結(jié)構(gòu)和Web頁面內(nèi)部結(jié)構(gòu)，而且也存在于URL中的目錄路徑結(jié)構(gòu)（頁面之間的目錄結(jié)構(gòu)關(guān)系）。Web結(jié)構(gòu)挖掘是指挖掘Web鏈接結(jié)構(gòu)模式，即通過分析頁面鏈接的數(shù)量和對(duì)象，從而建立Web的鏈接結(jié)構(gòu)模式。2024/2/27人工智能：互聯(lián)網(wǎng)智能107Web結(jié)構(gòu)挖掘Google查詢的全過程通常不超過半秒時(shí)間，但在這短短的時(shí)間內(nèi)需要完成多個(gè)步驟，然后才能將搜索結(jié)果交付給搜索信息的用戶。

PageRank算法?HITS（Hyperlink－InducedTopicSearch）算法?Google查詢過程2024/2/27人工智能：互聯(lián)網(wǎng)智能108Google的網(wǎng)頁排序如何度量網(wǎng)頁本身的重要性呢？互聯(lián)網(wǎng)上的每一篇html文檔除了包含文本、圖片、視頻等信息外，還包含了大量的鏈接關(guān)系，利用這些鏈接關(guān)系，能夠發(fā)現(xiàn)某些重要的網(wǎng)頁直觀地看，某網(wǎng)頁A鏈向網(wǎng)頁B，則可以認(rèn)為網(wǎng)頁A覺得網(wǎng)頁B有鏈接價(jià)值，是比較重要的網(wǎng)頁。某網(wǎng)頁被指向的次數(shù)越多，則它的重要性越高；越是重要的網(wǎng)頁，所鏈接的網(wǎng)頁的重要性也越高。AB網(wǎng)頁是節(jié)點(diǎn)，網(wǎng)頁間的鏈接關(guān)系是邊2024/2/27人工智能：互聯(lián)網(wǎng)智能109Google的網(wǎng)頁排序如何度量網(wǎng)頁本身的重要性呢？比如，新華網(wǎng)體育在其首頁中對(duì)新浪體育做了鏈接，人民網(wǎng)體育同樣在其首頁中對(duì)新浪體育做了鏈接可見，新浪體育被鏈接的次數(shù)較多；同時(shí)，人民網(wǎng)體育和新華網(wǎng)體育也都是比較“重要”的網(wǎng)頁，因此新浪體育也應(yīng)該是比較“重要”的網(wǎng)頁。新華網(wǎng)體育人民網(wǎng)體育2024/2/27人工智能：互聯(lián)網(wǎng)智能110Google的網(wǎng)頁排序一個(gè)更加形象的圖鏈向網(wǎng)頁E的鏈接遠(yuǎn)遠(yuǎn)大于鏈向網(wǎng)頁C的鏈接，但是網(wǎng)頁C的重要性卻大于網(wǎng)頁E。這是因?yàn)橐驗(yàn)榫W(wǎng)頁C被網(wǎng)頁B所鏈接，而網(wǎng)頁B有很高的重要性。2024/2/27人工智能：互聯(lián)網(wǎng)智能111Pagerank算法簡介創(chuàng)始人：拉里佩奇(LarryPage)—Google創(chuàng)始人之一應(yīng)用：是Google用來衡量一個(gè)網(wǎng)站的好壞的唯一標(biāo)準(zhǔn)。2024/2/27人工智能：互聯(lián)網(wǎng)智能112Google的網(wǎng)頁排序PageRank的提出Google的創(chuàng)始人之一LarryPage于1998年提出了PageRank，并應(yīng)用在Google搜索引擎的檢索結(jié)果排序上，該技術(shù)也是Google早期的核心技術(shù)之一LarryPage是Google的創(chuàng)始首席執(zhí)行官，2001年4月轉(zhuǎn)任現(xiàn)職產(chǎn)品總裁。他目前仍與EricSchmidt和SergeyBrin一起共同負(fù)責(zé)Google的日常運(yùn)作。他在斯坦福大學(xué)攻讀計(jì)算機(jī)科學(xué)博士學(xué)位期間，遇到了SergeyBrin，他們于1998年合伙創(chuàng)立Google。2024/2/27人工智能：互聯(lián)網(wǎng)智能113Pagerank算法相關(guān)概念PR值：用來評(píng)價(jià)網(wǎng)頁的重要性，PR值越大越重要，其級(jí)別從0到10級(jí)。一般PR值達(dá)到4，就算是一個(gè)不錯(cuò)的網(wǎng)站了。Google把自己的網(wǎng)站的PR值定到10，這說明Google這個(gè)網(wǎng)站是非常受歡迎的，也可以說這個(gè)網(wǎng)站非常重要。阻尼因數(shù)：(dampingfactor)其值為0.85

阻尼系數(shù)d定義為用戶不斷隨機(jī)點(diǎn)擊鏈接的概率，所以，它取決于點(diǎn)擊的次數(shù)，被設(shè)定為0-1之間。d的值越高，繼續(xù)點(diǎn)擊鏈接的概率就越大。因此，用戶停止點(diǎn)擊并隨機(jī)沖浪至另一頁面的概率在式子中用常數(shù)(1-d)表示。無論入站鏈接如何，隨機(jī)沖浪至一個(gè)頁面的概率總是(1-d)。(1-d)本身也就是頁面本身所具有的PageRank值。

2024/2/27人工智能：互聯(lián)網(wǎng)智能114Pagerank核心思想

PageRank通過網(wǎng)絡(luò)浩瀚的超鏈接關(guān)系來確定一個(gè)頁面的等級(jí)。Google把從A頁面到B頁面的鏈接解釋為A頁面給B頁面投票，Google根據(jù)投票來源（甚至來源的來源，即鏈接到A頁面的頁面）和投票目標(biāo)的等級(jí)來決定新的等級(jí)。這樣，PageRank會(huì)根據(jù)網(wǎng)頁B所收到的投票數(shù)量來評(píng)估該網(wǎng)頁的重要性。此外，PageRank還會(huì)評(píng)估每個(gè)投票網(wǎng)頁的重要性，因?yàn)槟承┲匾W(wǎng)頁的投票被認(rèn)為具有較高的價(jià)值，這樣，它所鏈接的網(wǎng)頁就能獲得較高的價(jià)值。這就是PageRank的核心思想，當(dāng)然PageRank算法的實(shí)際實(shí)現(xiàn)上要復(fù)雜很多。

2024/2/27人工智能：互聯(lián)網(wǎng)智能115為什么要提出HITS算法？PageRank算法中對(duì)于向外鏈接的權(quán)值貢獻(xiàn)是平均的，也就是不考慮不同鏈接的重要性。而WEB的鏈接具有以下特征：

1.有些鏈接具有注釋性，也有些鏈接是起導(dǎo)航或廣告作用。有注釋性的鏈接才用于權(quán)威判斷。

2.基于商業(yè)或競爭因素考慮，很少有WEB網(wǎng)頁指向其競爭領(lǐng)域的權(quán)威網(wǎng)頁。

3.權(quán)威網(wǎng)頁很少具有顯式的描述，比如Google主頁不會(huì)明確給出WEB搜索引擎之類的描述信息?？梢娖骄姆植紮?quán)值不符合鏈接的實(shí)際情況

2024/2/27人工智能：互聯(lián)網(wǎng)智能116HITS算法相關(guān)知識(shí)權(quán)威網(wǎng)頁：一個(gè)網(wǎng)頁被多次引用，則它可能是很重要的；一個(gè)網(wǎng)頁雖然沒有被多次引用，但是被重要的網(wǎng)頁引用，則它也可能是很重要的；一個(gè)網(wǎng)頁的重要性被平均的傳遞到它所引用的網(wǎng)頁。這種網(wǎng)頁稱為權(quán)威（Authoritive）網(wǎng)頁。中心網(wǎng)頁：提供指向權(quán)威網(wǎng)頁的鏈接集合的WEB網(wǎng)頁，它本身可能并不重要，或者說沒有幾個(gè)網(wǎng)頁指向它，但是它提供了指向就某個(gè)主題而言最為重要的站點(diǎn)的鏈接集合，比如一個(gè)課程主頁上的推薦參考文獻(xiàn)列表。在HITS算法中,對(duì)每個(gè)網(wǎng)頁都要計(jì)算兩個(gè)值:權(quán)威值(authority)與中心值(hub)2024/2/27人工智能：互聯(lián)網(wǎng)智能117HITS算法介紹HITS（Hyperlink－InducedTopicSearch）是一種鏈接分析算法算法如下：將查詢q提交給傳統(tǒng)的基于關(guān)鍵字匹配的搜索引擎．搜索引擎返回很多網(wǎng)頁，從中取前n個(gè)網(wǎng)頁作為根集合S(rootset).把根集合中的頁面所指向的頁面都包括進(jìn)來,再把指向根集合中的頁面的頁面也包括進(jìn)來,這樣就擴(kuò)充成了基礎(chǔ)集合(baseset)T.2024/2/27人工智能：互聯(lián)網(wǎng)智能118HITS算法介紹對(duì)V1中的任一個(gè)頂點(diǎn)v，用h(v)表示網(wǎng)頁v的Hub值，對(duì)V2中的頂點(diǎn)u，用a(u)表示網(wǎng)頁的Authority值，開始時(shí)h(v)＝a(u)＝1

頂點(diǎn)集V1Hub網(wǎng)頁頂點(diǎn)集V2權(quán)威網(wǎng)頁邊集E超鏈接2024/2/27人工智能：互聯(lián)網(wǎng)智能119在V中的每個(gè)頁面p都有一對(duì)非負(fù)的權(quán)重值?ap,hp?,其中ap表示權(quán)威值,hp表示中心值設(shè)指向頁面p的頁面為q,ap的值則更新為所有hq的和:如果把頁面p所指向的頁面稱為q,則hp的值更新為所有aq之和：這兩步將被重復(fù)多次,最后按照得到的權(quán)威值和中心值對(duì)頁面進(jìn)行排序.HITS算法介紹2024/2/27人工智能：互聯(lián)網(wǎng)智能120HITS算法的評(píng)價(jià)若一個(gè)網(wǎng)頁由很多好的Hub指向，則其權(quán)威值會(huì)相應(yīng)增加(即權(quán)威值增加為所有指向它的網(wǎng)頁的現(xiàn)有Hub值之和)若一個(gè)網(wǎng)頁指向許多好的權(quán)威頁，則Hub值也會(huì)相應(yīng)增加(即Hub值增加為該網(wǎng)頁鏈接的所有網(wǎng)頁的權(quán)威值之和)HITS算法輸出一組具有較大Hub值的網(wǎng)頁和具有較大權(quán)威值的網(wǎng)頁。2024/2/27人工智能：互聯(lián)網(wǎng)智能121Web結(jié)構(gòu)挖掘的應(yīng)用信息檢索社區(qū)識(shí)別網(wǎng)站優(yōu)化2024/2/27人工智能：互聯(lián)網(wǎng)智能1222024/2/27人工智能：互聯(lián)網(wǎng)智能123內(nèi)容提要11.1概述 11.2語義Web 11.3本體知識(shí)管理 11.4Web技術(shù)的演化11.5Web挖掘

11.6搜索引擎

11.7集體智能 11.8小結(jié) 2024/2/27人工智能：互聯(lián)網(wǎng)智能124搜索引擎大型互聯(lián)網(wǎng)搜索引擎的數(shù)據(jù)中心一般運(yùn)行數(shù)千臺(tái)甚至數(shù)十萬臺(tái)計(jì)算機(jī)，而且每天向計(jì)算機(jī)集群里添加數(shù)十臺(tái)機(jī)器，以保持與網(wǎng)絡(luò)發(fā)展的同步。搜集機(jī)器自動(dòng)搜集網(wǎng)頁信息，平均速度每秒數(shù)十個(gè)網(wǎng)頁，檢索機(jī)器則提供容錯(cuò)的可縮放的體系架構(gòu)以應(yīng)對(duì)每天數(shù)千萬甚至數(shù)億的用戶查詢請(qǐng)求。企業(yè)搜索引擎可根據(jù)不同的應(yīng)用規(guī)模，從單臺(tái)計(jì)算機(jī)到計(jì)算機(jī)集群都可以進(jìn)行部署2024/2/27人工智能：互聯(lián)網(wǎng)智能125搜索引擎搜索引擎一般的工作過程是:首先對(duì)互聯(lián)網(wǎng)上的網(wǎng)頁進(jìn)行搜集，然后對(duì)搜集來的網(wǎng)頁進(jìn)行預(yù)處理，建立網(wǎng)頁索引庫，實(shí)時(shí)響應(yīng)用戶的查詢請(qǐng)求，并對(duì)查找到的結(jié)果按某種規(guī)則進(jìn)行排序后返回給用戶。搜索引擎的重要功能是能夠?qū)ヂ?lián)網(wǎng)上的文本信息提供全文檢索。2024/2/27人工智能：互聯(lián)網(wǎng)智能126搜索引擎的工作流程2024/2/27人工智能：互聯(lián)網(wǎng)智能127搜索引擎的系統(tǒng)架構(gòu)2024/2/27人工智能：互聯(lián)網(wǎng)智能128

知識(shí)圖譜圖譜：是一個(gè)圖像，以一定空間形式、在一定時(shí)間范圍中展現(xiàn)變化的系統(tǒng)概念。里程碑之一：2003年，美國科學(xué)院組織“知識(shí)圖譜測繪”大會(huì)，

標(biāo)志著專家們對(duì)知識(shí)圖譜繪制開始了大規(guī)模的深入研究。2024/2/27人工智能：互聯(lián)網(wǎng)智能129

知識(shí)圖譜2024/2/27人工智能：互聯(lián)網(wǎng)智能130

知識(shí)圖譜語義Web關(guān)聯(lián)數(shù)據(jù)2024/2/27人工智能：互聯(lián)網(wǎng)智能131BCThingtyped

linksADEtyped

linkstyped

linkstyped

linksThingThingThingThingThingThingThingThingThing

使用語義網(wǎng)技術(shù)。在來自一個(gè)數(shù)據(jù)源的數(shù)據(jù)與其他數(shù)據(jù)源的數(shù)據(jù)之間的

建立連接。2024/2/27人工智能：互聯(lián)網(wǎng)智能132基于知識(shí)圖譜的搜索引擎2024/2/27人工智能：互聯(lián)網(wǎng)智能133內(nèi)容提要11.1概述 11.2語義Web 11.3本體知識(shí)管理

11.4Web技術(shù)的演化11.5Web挖掘 11.6搜索引擎 11.7集體智能 11.8小結(jié)

集體智能

集體智能（collectiveintelligence），有的稱為集體智慧，有的稱為群體智能，是一種共享的或者集體的智能，它是從許多個(gè)體的合作與競爭中涌現(xiàn)出來的，并沒有集中的控制機(jī)制。集體智能在人類、計(jì)算機(jī)網(wǎng)絡(luò)中形成，并以多種形式的協(xié)商一致的決策模式出現(xiàn)。集體智能的規(guī)模有大有小，可能有個(gè)體集體智能、人際集體智能、成組集體智能、活動(dòng)集體智能、組織集體智能、網(wǎng)絡(luò)集體智能、相鄰集體智能、社