1. 研究目的与意义（文献综述）

1.1选题目的及意义

随着越来越先进的机器人进入我们的生活，对教学机器人复杂技能的需求也在增加。如果机器人可以替换执行复杂装配任务的人工，则可以降低人工成本。与汽车工业中使用的重型工业机器人操纵器相比，最近出现了轻型臂机器人和双臂机器人用于小批量生产。例如，富士康科技集团已经在他们的工厂中部署了自己的装配机器人。此外还有几家公司开发了双臂机器人，主要针对小型零件装配。这些机器人包括rethink robotics的baxter机器人，kawada的nextage机器人等。目前这些机器人只能执行简单的装配任务。许多复杂的装配过程仍然需要人力劳动。许多复杂的装配过程仍然需要人力劳动。而通过人体演示教授机器人精细的装配技能，可以避免冗长的机器人编程，并且操作员不需要技术专业知识。

另一方面，传统工业机器人的工作环境大多数是结构化的，且任务重复，其运动规划可以通过离线编程或示教来实现。而对于一些复杂运动，其运动规律不容易获取，如击球，使用传统算法帮助机器人获取运动技能将变得十分困难，甚至不可能。此时，若能够让机器人具备一定的学习能力，从而能够减少编程工作量。因此本课题使用模仿学习来学习人的装配动作，学习控制策略，进而获取运动技能。

2. 研究的基本内容与方案

2.1研究的基本内容

1、掌握基本的语音识别、语义判断技术及其在ubuntu系统下的实现。

2、熟悉基于kinect相机实现图像识别、深度空间坐标定位的原理和方法。

3. 研究计划与安排

第1周 阅读相关文献，了解国内外多模态感知融合技术和示教学习技术的发展和应用前景；

第2周 熟悉语音识别、语义判断原理步骤及其在ubuntu系统下的实现；

第3周 掌握kinect相机参数的标定方法及基本图像识别方法；

4. 参考文献（12篇以上）

[1] englert p, paraschos a, deisenroth m p,et al. probabilistic model-based imitation learning[j]. adaptive behavior,2013, 21(5):388-403.

[2] ijspeert a j, nakanishi j, hoffmann h,et al. dynamical movement primitives: learning attractor models for motorbehaviors[j]. neural computation, 2013, 25(2):328-373.

[3] 彭圣明. 机器人控制系统建模及运动规划研究[d]. 华南理工大学, 2011.