文件名称：所需的核心-fx5u编程手册
文件大小：2.46MB
文件格式：PDF
更新时间：2024-07-19 14:08:14
robot
架构创新，并提出云-边-端融合的机器人系统和架构；第三章重点分析机器人 4.0 所需的核心 技术；第四章探讨云端大脑和安全专网；第五章讨论边缘智能如何支持多机器人协作；第六章 思考服务机器人的场景认知、进化和业务；第七章描述协同创新与合作共赢的关键领域和方向； 第八章进行总结与展望。 2. 人工智能和 5G 通讯技术推动机器人架构创新 2.1. 人工智能技术演进和应用现状 人工智能技术的正式提出始于 1956 年，到目前为止已经取得不少进展。从技术上而言， 可以初略划分为两类方法，一类是符号方法，一类是统计方法(支持向量机，神经网络，深度 学习都可以归为这一类)。 人工智能的发展可以大致分为两个阶段，1990 年以前主要是符号方法，包括基于规则， 逻辑等。八十年代的基于知识库的专家系统是这个时期人工智能走向应用的一个尝试，取得了 一定的成果，但也很快显现了这类方法的问题，比如相对开放领域的知识库很难建立完整（尤 其是常识知识很难表示完全)，知识库增大后知识推理的组合爆炸，缺乏学习能力等问题。上 世纪 90 年代开始，统计方法开始盛行，取得了不少的进展，包括支持向量机等机器学习方法， 并广泛应用于语音识别，自然语言处理，计算机视觉，数据挖掘等领域。从 2012 年开始，深 度学习方法在计算机视觉，语音识别方面取得了较大的突破，不少任务的性能在大规模数据集 上面得到大幅度提升。人工智能尤其是深度学习方法已经在不少领域开始广泛应用，包括语音 识别，人脸识别等，作为机器人 3.0 的核心技术，在机器人的应用中起到了重要的作用。近年 来人们发现了困扰传统机器学习方法的一些问题，如鲁棒性、可解释性，小数据学习在深度学 习方法的框架下仍然没有得到解决。 总体说来，人工智能技术 60 多年来取得了不少的突破，但也存在不少亟待解决的问题。 人工智能之父明斯基在发布他的新书之前发表的一篇论文[5]也深刻地指出，目前人工智能的进 展低于他的期望，其中一个主要原因是主流的方法（符号方法，统计方法或更细分的方法）都 是想基于单一方法来解决人工智能问题，而真正的人类智能则是有机地结合了多种方法并进行 选择应用的结果，未来的人工智能需要走这个方向才能进一步突破。机器人领域的应用对人工 智能提出了尤其更高的要求，这也就需要在人工智能领域取得更多的突破。