论文部分内容阅读
摘 要:感知智能借助语音识别、图像识别等前沿技术,映射到数字世界,再将这些数字信息进一步提升至可认知的层次,比如记忆、理解、规划、决策等等,达到认知环境和对象类别与属性的能力。
关键词:感知智能;现状;未来
一、感知智能概述
感知智能即视觉、听觉、触觉等感知能力。人和动物都具备,能够通过各种智能感知能力与自然界进行交互。感知智能是指将物理世界的信号通过摄像头、麦克风或者其他传感器的硬件设备,借助语音识别、图像识别等前沿技术,映射到数字世界,再将这些数字信息进一步提升至可认知的层次,比如记忆、理解、规划、决策等等。而在这个过程中,人机界面的交互至关重要。
自动驾驶汽车,就是通过激光雷达等感知设备和人工智能算法,实现这样的感知智能的。机器在感知世界方面,比人类还有优势。人类都是被动感知的,但是机器可以主动感知,如:激光雷达、微波雷达和红外雷达。
机器人对环境的感知智能,即移动机器人能够根据自身所携带的传感器对所处周围环境进行环境信息的获取,并提取环境中有效的特征信息加以处理和理解,最终通过建立所在环境的模型来表达所在环境的信息。
机器人作为人类20世纪最伟大的发明之一,在短短的40年内发生了日新月异的变化。机器人已经不仅成为先进制造业不可缺少的自动化装备,而且正以惊人的速度向海洋、航空、航天、军事、农业、服务、娱乐等各个领域渗透。基于多源信息融合的智能感知是机器人的现代支撑技术之一,它根据多传感器所提供的多源同构或异构信息,经過智能信息处理,可以综合地认知环境和对象的类别与属性,以达到智能感知的目的,从而可按行为准则实现应有的行为决策。
二、智能感知的发展现状
本世纪以来,无人驾驶汽车已经成为各国政府和大型企业鼓励的重大发展计划之一。无人驾驶汽车已经实现了城市、环路及高速道路混合路况下的全自动驾驶,并实现了多次跟车减速、变道、超车、上下匝道、调头等复杂驾驶动作,完成了进入高速到驶出高速的不同道路场景的切换。无人驾驶汽车的重要支撑技术之一即是智能感知,需要利用车上和路上安装的各种传感器获取路况和环境信息,并利用智能推理达到正确识别路况和环境的目的,在此基础上才能完成自动驾驶的动作。
在人工智能系统迅速发展的今天,智能感知在诸多领域,如机器视觉、指纹识别、目标识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、态势感知、智能搜索等领域取得了辉煌的成就。目前,
(下转421页)
(上接420页)
智能感知研究的理论基础是基于大数据深度学习的感知对象特征提取,以及基于各种特征的类生物机制的推理方法等。
人类和高等动物都具有丰富的感觉器官,能通过视觉、听觉、味觉、 触觉、嗅觉来感受外界刺激, 获取环境信息。目前主流的机器人传感器包括视觉传感器、听觉传感器、触觉传感器等等,而多传感器信息的融合也决定了机器人对环境信息感知能力。
1、视觉感知 视觉系统由于获取的信息量更多更丰富,采样周期短,受磁场和传感器相互干扰影响小,质量轻,能耗小,使用方便经济等原因,在很多移动机器人系统中受到青睐。视觉传感器将景物的光信号转换成电信号。目前,用于获取图像的视觉传感器主要是数码摄像机。在视觉传感器中主要有单目、双目与全景摄像机3种。单目摄像机对环境信息的感知能力较弱,获取的只是摄像头正前方小范围内的二维环境信息;双目摄像机对环境信息的感知能力强于单目摄像机,可以在一定程度上感知三维环境信息,但对距离信息的感知不够准确;全景摄像机对环境信息感知的能力强,能在360度范围内感知二维环境信息,获取的信息量大,更容易表示外部环境状况。
2、听觉感知 听觉是人类和机器人识别周围环境很重要的感知能力,听觉定位是全向性的,传感器阵列可以接受空间中的任何方向的声音。机器人依靠听觉可以工作在黑暗环境中或者光线很暗的环境中进行声源定位和语音识别,这是依靠视觉不能实现的。声波传感器复杂程度可以从简单的声波存在检测到复杂的声波频率分析, 直到对连续自然语言中单独语音和词汇的辨别,无论是在家用机器人还是在工业机器人中,听觉感知都有这广泛的应用。
3、触觉感知 触觉是机器人获取环境信息的一种仅次于视觉的重要知觉形式, 是机器人实现与环境直接作用的必需媒介。与视觉不同, 触觉本身有很强的敏感能力可直接测量对象和环境的多种性质特征。 因此触觉不仅仅只是视觉的一种补充。 触觉的主要任务是为获取对象与环境信息和为完成某种作业任务而对机器人与对象、环境相互作用时的一系列物理特征量进行检测或感知。机器人触觉与视觉一样基本上是模拟人的感觉, 广义的说它包括接触觉、压觉、力觉、滑觉、冷热觉等与接触有关的感觉, 狭义的说它是机械手与对象接触面上的力感觉。
4、环境信息融合 机器人主要通过传感器来感知周围的环境,但是每种传感器都有其局限性, 单一传感器只能反映出部分的环境信息。为了提高整个系统的有效性和稳定性,进行多传感器信息融合已经成为一种必然的要求。
现阶段研究的移动机器人只具有简单的感知能力, 通过传感器收集外界环境信息, 并通过简单的映射关系实现机器人的定位和导航行为。
到了2013年,有人开发了一种新的数据分析方法,似乎给计算机的“创造力”提供了一种手段。这种所谓“创造力”,实质上是建立的一整套感知智能和决策智能能力体系。甚至有人担心,未来“精于创造”的计算机一旦掌握了全面智能感知和智能决策能力,可能会反过来对抗人类。
三、感知智能的未来
感知智能技术在未来的发展,首先应该强调智能机器人。未来的智能机器人应该具备形形色色的智能感知系统,具有智能化水平更高的机器视觉、听觉、触觉和嗅觉,并更具有相当发达的“大脑”学习机制和推理机制。这种智能机器人能够完全理解人类语言,应该根据感知信息进行智能判断和分析,形成和人类非常相似的感知模式。其中还有许多难题需要解决,如基于环境理解的全局定位、目标识别和障碍物检测等。 未来的自动驾驶车辆与智能交通系统对于感知智能的需求更强。自动驾驶车辆在世纪初已经呈现出接近实用化的趋势,依靠感知智能技术将实现全面自主的协同工作。智能交通系统将实时、准确、高效地实现综合交通运输管理,要求在一个更广范围内实现感知智能,不仅要求对局部路况和环境的感知,还要求对区域内车辆分布、天气变化、突发事件等的智能感知。
未来发展的智能控制系统,是人工智能和控制理论的交叉,是具有感知智能、智能信息反馈和智能控制决策的系统。对工业对象的感知智能更具有复杂性,千变万化的场景与对象需要各种各样的传感器获取信息,要充分利用人工神经网络的自学习特性和容错特性,进行深度学习以获取场景与对象的各种特征,再利用专家系统和各种推理规则达到认知场景与对象的目的,为其行为决策提供依据。
围绕人工智能和大数据处理,其中康奈尔大学创意机器人实验室主任Hod Lipson分享了他们对机器人自我意识和自我进化的研究,也引发对人类前途的一种担忧。Lipson将自我意识定义为在没有实体经验情况下的想象能力。这种自我意识是人类特有的,但Lipson在一次研究中发现被设计跟踪猫狗图像的深度学习程序在经过一些训练后,突然开始自发地追踪人脸。这个发现让他毛骨悚然,他意识到经过特别设计的机器系统会自己学习,不断进步,所以它们非常有可能突破人类预先为它们设定的规则,产生自我意识,人类将无法掌控它具体能学到什么。
Lipson发现如果把两个有深度学习能力的程序结合在一起,就可能产生类似人类自我意识的能力,这就好比机器人拥有了进化论里最重要的环境适应能力。在他的实验室中,一个没有经过走路编程的机器人通过自我进化可以实现行走功能,当切断它的一条腿后,它还能自己学习用剩下的腿继续行走。他还发现,拥有自我意识的机器人会創造更多的机会。其中一个机器人已经学会提出数学假说,还能自己验证。以后机器人会很快获得更多原本只有人类可以完成的事情,比如绘画、写诗、照顾小孩,甚至机器人还可以通过3D打印帮助创造机器人。
四、结束语
移动机器人能够根据自身所携带的传感器对所处周围环境进行环境信息的获取,并提取环境中有效的特征信息加以处理和理解,最终通过建立所在环境的模型来表达所在环境的信息。在地球生物的进化历史里,人类从来都不是最强的生物,但我们肯定是最会利用外物适应环境的生物,能够利用工具曾被作为从动物进化为人的分界线。所以,当机器进化到一定阶段后,人类一定会优先利用机器改造自己,我们会像接受眼镜、义肢、助听器、手机和语音导航一样,接受钛合金制造物和人工智能程序对我们身体的改造,以增强人类的智能感知能力。
参考文献:
[1]韩崇昭. 随机系统理论(上、下册)[M]. 北京:清华大学出版社, 2014.
[2]李力,王飞跃著.智能汽车先进传感与控制.北京:机械工业出版社,2016.10.
关键词:感知智能;现状;未来
一、感知智能概述
感知智能即视觉、听觉、触觉等感知能力。人和动物都具备,能够通过各种智能感知能力与自然界进行交互。感知智能是指将物理世界的信号通过摄像头、麦克风或者其他传感器的硬件设备,借助语音识别、图像识别等前沿技术,映射到数字世界,再将这些数字信息进一步提升至可认知的层次,比如记忆、理解、规划、决策等等。而在这个过程中,人机界面的交互至关重要。
自动驾驶汽车,就是通过激光雷达等感知设备和人工智能算法,实现这样的感知智能的。机器在感知世界方面,比人类还有优势。人类都是被动感知的,但是机器可以主动感知,如:激光雷达、微波雷达和红外雷达。
机器人对环境的感知智能,即移动机器人能够根据自身所携带的传感器对所处周围环境进行环境信息的获取,并提取环境中有效的特征信息加以处理和理解,最终通过建立所在环境的模型来表达所在环境的信息。
机器人作为人类20世纪最伟大的发明之一,在短短的40年内发生了日新月异的变化。机器人已经不仅成为先进制造业不可缺少的自动化装备,而且正以惊人的速度向海洋、航空、航天、军事、农业、服务、娱乐等各个领域渗透。基于多源信息融合的智能感知是机器人的现代支撑技术之一,它根据多传感器所提供的多源同构或异构信息,经過智能信息处理,可以综合地认知环境和对象的类别与属性,以达到智能感知的目的,从而可按行为准则实现应有的行为决策。
二、智能感知的发展现状
本世纪以来,无人驾驶汽车已经成为各国政府和大型企业鼓励的重大发展计划之一。无人驾驶汽车已经实现了城市、环路及高速道路混合路况下的全自动驾驶,并实现了多次跟车减速、变道、超车、上下匝道、调头等复杂驾驶动作,完成了进入高速到驶出高速的不同道路场景的切换。无人驾驶汽车的重要支撑技术之一即是智能感知,需要利用车上和路上安装的各种传感器获取路况和环境信息,并利用智能推理达到正确识别路况和环境的目的,在此基础上才能完成自动驾驶的动作。
在人工智能系统迅速发展的今天,智能感知在诸多领域,如机器视觉、指纹识别、目标识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、态势感知、智能搜索等领域取得了辉煌的成就。目前,
(下转421页)
(上接420页)
智能感知研究的理论基础是基于大数据深度学习的感知对象特征提取,以及基于各种特征的类生物机制的推理方法等。
人类和高等动物都具有丰富的感觉器官,能通过视觉、听觉、味觉、 触觉、嗅觉来感受外界刺激, 获取环境信息。目前主流的机器人传感器包括视觉传感器、听觉传感器、触觉传感器等等,而多传感器信息的融合也决定了机器人对环境信息感知能力。
1、视觉感知 视觉系统由于获取的信息量更多更丰富,采样周期短,受磁场和传感器相互干扰影响小,质量轻,能耗小,使用方便经济等原因,在很多移动机器人系统中受到青睐。视觉传感器将景物的光信号转换成电信号。目前,用于获取图像的视觉传感器主要是数码摄像机。在视觉传感器中主要有单目、双目与全景摄像机3种。单目摄像机对环境信息的感知能力较弱,获取的只是摄像头正前方小范围内的二维环境信息;双目摄像机对环境信息的感知能力强于单目摄像机,可以在一定程度上感知三维环境信息,但对距离信息的感知不够准确;全景摄像机对环境信息感知的能力强,能在360度范围内感知二维环境信息,获取的信息量大,更容易表示外部环境状况。
2、听觉感知 听觉是人类和机器人识别周围环境很重要的感知能力,听觉定位是全向性的,传感器阵列可以接受空间中的任何方向的声音。机器人依靠听觉可以工作在黑暗环境中或者光线很暗的环境中进行声源定位和语音识别,这是依靠视觉不能实现的。声波传感器复杂程度可以从简单的声波存在检测到复杂的声波频率分析, 直到对连续自然语言中单独语音和词汇的辨别,无论是在家用机器人还是在工业机器人中,听觉感知都有这广泛的应用。
3、触觉感知 触觉是机器人获取环境信息的一种仅次于视觉的重要知觉形式, 是机器人实现与环境直接作用的必需媒介。与视觉不同, 触觉本身有很强的敏感能力可直接测量对象和环境的多种性质特征。 因此触觉不仅仅只是视觉的一种补充。 触觉的主要任务是为获取对象与环境信息和为完成某种作业任务而对机器人与对象、环境相互作用时的一系列物理特征量进行检测或感知。机器人触觉与视觉一样基本上是模拟人的感觉, 广义的说它包括接触觉、压觉、力觉、滑觉、冷热觉等与接触有关的感觉, 狭义的说它是机械手与对象接触面上的力感觉。
4、环境信息融合 机器人主要通过传感器来感知周围的环境,但是每种传感器都有其局限性, 单一传感器只能反映出部分的环境信息。为了提高整个系统的有效性和稳定性,进行多传感器信息融合已经成为一种必然的要求。
现阶段研究的移动机器人只具有简单的感知能力, 通过传感器收集外界环境信息, 并通过简单的映射关系实现机器人的定位和导航行为。
到了2013年,有人开发了一种新的数据分析方法,似乎给计算机的“创造力”提供了一种手段。这种所谓“创造力”,实质上是建立的一整套感知智能和决策智能能力体系。甚至有人担心,未来“精于创造”的计算机一旦掌握了全面智能感知和智能决策能力,可能会反过来对抗人类。
三、感知智能的未来
感知智能技术在未来的发展,首先应该强调智能机器人。未来的智能机器人应该具备形形色色的智能感知系统,具有智能化水平更高的机器视觉、听觉、触觉和嗅觉,并更具有相当发达的“大脑”学习机制和推理机制。这种智能机器人能够完全理解人类语言,应该根据感知信息进行智能判断和分析,形成和人类非常相似的感知模式。其中还有许多难题需要解决,如基于环境理解的全局定位、目标识别和障碍物检测等。 未来的自动驾驶车辆与智能交通系统对于感知智能的需求更强。自动驾驶车辆在世纪初已经呈现出接近实用化的趋势,依靠感知智能技术将实现全面自主的协同工作。智能交通系统将实时、准确、高效地实现综合交通运输管理,要求在一个更广范围内实现感知智能,不仅要求对局部路况和环境的感知,还要求对区域内车辆分布、天气变化、突发事件等的智能感知。
未来发展的智能控制系统,是人工智能和控制理论的交叉,是具有感知智能、智能信息反馈和智能控制决策的系统。对工业对象的感知智能更具有复杂性,千变万化的场景与对象需要各种各样的传感器获取信息,要充分利用人工神经网络的自学习特性和容错特性,进行深度学习以获取场景与对象的各种特征,再利用专家系统和各种推理规则达到认知场景与对象的目的,为其行为决策提供依据。
围绕人工智能和大数据处理,其中康奈尔大学创意机器人实验室主任Hod Lipson分享了他们对机器人自我意识和自我进化的研究,也引发对人类前途的一种担忧。Lipson将自我意识定义为在没有实体经验情况下的想象能力。这种自我意识是人类特有的,但Lipson在一次研究中发现被设计跟踪猫狗图像的深度学习程序在经过一些训练后,突然开始自发地追踪人脸。这个发现让他毛骨悚然,他意识到经过特别设计的机器系统会自己学习,不断进步,所以它们非常有可能突破人类预先为它们设定的规则,产生自我意识,人类将无法掌控它具体能学到什么。
Lipson发现如果把两个有深度学习能力的程序结合在一起,就可能产生类似人类自我意识的能力,这就好比机器人拥有了进化论里最重要的环境适应能力。在他的实验室中,一个没有经过走路编程的机器人通过自我进化可以实现行走功能,当切断它的一条腿后,它还能自己学习用剩下的腿继续行走。他还发现,拥有自我意识的机器人会創造更多的机会。其中一个机器人已经学会提出数学假说,还能自己验证。以后机器人会很快获得更多原本只有人类可以完成的事情,比如绘画、写诗、照顾小孩,甚至机器人还可以通过3D打印帮助创造机器人。
四、结束语
移动机器人能够根据自身所携带的传感器对所处周围环境进行环境信息的获取,并提取环境中有效的特征信息加以处理和理解,最终通过建立所在环境的模型来表达所在环境的信息。在地球生物的进化历史里,人类从来都不是最强的生物,但我们肯定是最会利用外物适应环境的生物,能够利用工具曾被作为从动物进化为人的分界线。所以,当机器进化到一定阶段后,人类一定会优先利用机器改造自己,我们会像接受眼镜、义肢、助听器、手机和语音导航一样,接受钛合金制造物和人工智能程序对我们身体的改造,以增强人类的智能感知能力。
参考文献:
[1]韩崇昭. 随机系统理论(上、下册)[M]. 北京:清华大学出版社, 2014.
[2]李力,王飞跃著.智能汽车先进传感与控制.北京:机械工业出版社,2016.10.