摘要
机器人的自主作业是机器人领域的关键问题之一。现有的机器人自主作业技术，通常针对特定任务进行设计，作业环境结构化程度高、作业对象比较单一，对于动态、非结构化环境和多形变、多尺度作业目标，难以通过对现有算法通过调节参数或增加训练数据得到明显的性能提升。 本课题研究自主作业机器人智能发育验证平台关键技术，基于脑科学与人工智能在机器人知识和技能获取和增长的理论方法研究成果，开展（1）基于认知概念形成和推理机制的机器人动态环境理解与多形变、多尺度、非稳定节律运动目标理解技术；（2）基于结构和局部传感信息的模仿学习与自主学习多层级作业策略规划技术；（3）基于类脑机制的快速动态响应柔顺控制技术等平台相关技术研究，验证多种环境（时变、高动态性、非结构化）下对多种目标物体（多形变、多尺度、非稳定节律运动）的柔顺、灵活作业的智能发育方法。 针对（1）在太空环境中，对非合作翻滚目标的快速抓捕；（2）在工业环境中，基于双臂协作的高精度装配；（3）在手术环境中，对肺部进行精准导航穿刺三种典型场景开展关键技术的验证，覆盖了机器人研究的主要领域。
NSTRS