深度学习算法在智能协作机器人方面的运用

胡渊 张高辉

摘要：随着时代的发展进步智能机器人开始被人们广泛地应用到社会生活的各个领域，对人们的实际生活产生了深刻的影响。智能机器人的运作离不开深度学习算法的辅助支持，为此，文章在阐述深度学习算法内涵以及和智能机器人关联的基础上，就深度学习算法在智能协作机器人方面的应用问题进行探究。

关键词：深度学习算法;智能协作机器人;应用

智能机器人是实现社会智能化发展的重要组成，从人类社会的生产发展实际情况来看，智能机器人的应用会节省大量的重复劳动操作，并能够完成人们无法企及的高难度环境下的工作，焊接机器人、家庭服务机器人、酒店服务机器人等都是机器人在人们实际生活中应用的重要体现。关于怎样实现机器人之间的智能化协作交流和机器人和人之间的协作成为相关人员需要研究和思考的问题，将深度学习算法应用到智能协作机器人研究领域能够更好地探索出以上这些问题，为此，文章结合实际就深度学习算法在智能协作机器人方面的运用进行策略分析。

一、深度学习算法概述

深度学习算法是一种基于人类思维深度的计算模式，在具体应用的过程中通过模拟人类大脑的各种思考机制能够不断完善机器人的内部结构，从而达到和人类水平相近的思维模式。深度学习算法是一种思维由浅到深的一个变化过程，通过从简单的特性深入到抽象的思维活动中，最终完成深度分析，以数据的形式将结果呈现出来[1]。

深度学习算法的实现依赖各类数据，而数据的呈现形式则是丰富多样的，比如一幅画的形容单位是像素，像素的向量可以以一些固有形状形式来展现，比如边形、条形等。

二、深度学习算法和智能机器人的关联

深度学习是学习样本数据的内在规律和表现层次的体现，在深度学习过程中获得的文字、图像、声音等数据的解释对机器人运作有着十分重要的影响，这些算法决定了机器人像人一样具备分析能力、文字识别能力、图像识别能力、声音识别能力。

将深度学习算法应用到机器人加工领域能够使得机器人体现出较高的性能。在上个世纪七十年代的时候，世界范围内出现了第一台智能机器人，这个机器人是由美国斯坦福研究所第一次成功应用人工智能学研发的移动机器人，之后在此基础上研究出了更多类型的机器人，比如工业机器人、聊天机器人、诊疗机器人等。

三、深度学习算法在智能机器人中的应用原理

人工智能为智能机器人的研究和发展提供了重要的支持，而深度学习则是在人工智能的实现中占据了十分重要的比重，在这一算法的作用下能够结合以往传统机器人的图像和语音识别技术，从而完善机器人的定位和导航功能。

（一）无模型深度学习算法

无模型深度学习算法在机器人加工领域的应用是一种全新的体验，经历了多个时期的发展变化，在应用的过程中是经验积累的过程，在这个过程中机器人需要通过不断地更新来实现最大化的利益收获。在无模型深度学习算法实施的过程中需要机器人本身拥有一个标准来配合完成。首先，在描述Policy函数的时候需要具备强大的表达功能，在未知情况下通过拥有较强的表达能力能够更好地处理各个问题。其次，具备强大的数据支撑，从而在应用算法的时候能够及时找到一个参照点，借助这个参照点获得模型打造的优化对策。

（二）基于模型的深度学习算法

和无模型的深度学习算法相比，基于模型的深度学习算法在执行不同任务的时候会显示出自己的优势作用。人类进化的过程中对于不同事物会形成不同的联想和实践，在联想和实践的过程中会积累出一定的工作经验，这些经验能够为以后的学习和生活提供经验。机器人的打造也是这样，通过在一系列活动中的操作来积累经验，增强机器之间的协作关系。

四、深度学习算法在智能机器人中的具体应用分析

（一）抓取位姿判别

机器人学习抓取是智能机器人研究的重要组成，具体涵盖智能学习、抓取位姿的判别、机器人运动规划等，在研究抓取判别的时候会应用多模特征深度学习和和融合方法结合的方式，在给定抓取目标场景图的情况下，机器人能够通过多模特征学习来推断出最理想的抓取姿势[2]。

借助多模特征深度学习和融合方式能够解决智能机器人抓取判别的问题，具体实践方法如下所示：首先，应用堆叠降噪自动编码打造深度网络模型[3]。其次，应用Kincet体感传感器来获取目标RGC和深度多模数据，通过融合处理的方式来实现深层次的抽象表达。最后，将多模特征深度学习模型和机器人结合在一起，实现对不同形状、不同摆放方向物体的抓取和定位。

（二）工业服务

在机器人的智能水平达到一定程度之后就能够代替人们从事一些危險性的工作，从而为人们的日常生活提供便利。在设计自主作业智能机器人的时候首先需要打造机器人自身环境地图，在考虑成本消耗之后选择应用基于单目视觉传感器的挖掘机器人视觉系统来获取工作环境中的图片信息。在应用的过程中需要考虑视觉系统中的识别和目标的跟踪检测。在对图像进行处理的时候需要通过灰度化处理和直方图均衡化增强图像中的特征信息，应用中值滤波过滤图像中的噪声信号。接着应用Canny算子和SUSAN算子分别实现挖掘机器人图像边缘检测和角点检测，之后应用深度学习算法来处理图像。

在机器人处理好周围工作环境之后还需要进一步解决机器人目标检测和跟踪问题。将深度学习算法应用到工业分拣操作中能够解决机器人在解决复杂工作条件方面的问题，从而更好地识别和处理复杂工作。

（三）家庭服务

智能机器人不仅在工业方面有着十分广泛的应用，而且在家庭服务方面也有着广泛应用，比如日常家务的开关电视、煮饭、打扫卫生、娱乐等。在应用机器人完成家庭服务的时候需要着重考虑以下两个方面的功能，一方面，机器人首先要能够识别并理解室内的环境，从而更好地执行接受到的任务。另外一个方面还需要能够方便地和人进行沟通，理解人的语言指令。

在室内环境的识别和重建方面借助机器人视觉识别系统能够应用一种深度去噪自编码器来处理，从而形成一个人和机器人的交互系统，这个系统分为三部分的内容，分别是人和机器交流输入输出的部分，这部分由机器人对自然语言的识别和语音合成识别来处理文本指令[4];第二部分的功能是语料库对第一部分识别的语音进行意图理解和生成处理;第三部分的功能是为第二部分的操作建立一个更大规模的语料库。

结束语

综上所述，智能机器人的发展经历了较长的时期，在国际上达到了较强的水平，在云计算、深度学习、大数据技术的快速发展下，智能机器人的发展也拥有了更多的动力支持。在未来，机器人的计算方法倾向于应用现代软件计算理论和方法和云计算、大数据的结合来实现机器人在云平台的自主存储和学习。在深度学习和增强学习结合的情况下更好地分析和处理机器人获得的海量数据，从而有效提升机器人的工作处理能力。深度学习、增强学习和机器人等高新科学技术的发展为机器人的加工提供了更多动力支持，使得机器人的智能化水平不断提升，完善的机器人在工业服务、家庭服务领域有着广泛的应用空间，值得人们进行深入的研究。

参考文献：

[1]周文博. 深度学习算法在智能协作机器人方面的应用[J]. 中国新通信， 2017（21）：133-134.

[2]黄昌正， 陈曦， 周言明. 人工智能深度学习算法在虚拟现实交互产品的应用与设计实现[J]. 科技创新发展战略研究， 2019， 3（01）：20-28.

[3]龙慧， 朱定局， 田娟. 深度学习在智能机器人中的应用研究综述[J]. 计算机科学， 2018， 45（S2）：53-57+62.

[4]韩俊波. 深度学习算法与应用探究  [J]. 湖州师范学院学报， 2016（10）：48-53，共6页.