1. 研究目的与意义（文献综述包含参考文献）

文 献 综 述

一、课题研究背景及意义

机器人是指具有一些类人功能的机械电子装置或者叫做自动化装置，其具有以下几个特点：一个是有类人的功能，比如感知功能，行走功能；二是可是根据人的编程能自动的工作。机器人最开始被研发主要是应用于工业行业，工业机器人也是目前最成熟的、应用最广泛的一类机器人。随着工业化的发展，尤其近十年以来，机器人的发展的应用领域在不断拓宽，机器人已经从制造业逐渐转向了非制造业和服务行业。与工业机器人相比，服务型机器人主要是一个移动平台，对其高要求之处在于它能够去移动，运动，同时还装有一些像力觉传感器、视觉传感器和超声测距传感器等等。服务机器人要能对周边环境进行识别以此来判断自身运动，从而完成某种工作。

2. 研究的基本内容、问题解决措施及方案

本文以模仿学习的框架为指导，基于kinect体感摄像机，对示教者（人）进行骨骼跟踪，获取其示教过程中手臂动作时肩关节和肘关节的转动角度等数据，经处理后将数据映射到nao机器人中，实现nao机器人离线的动作模仿学习。利用microsoft的kinect体感摄像机进行骨骼跟踪，获取示教者示教过程中人体节点的空间坐标信息，经预处理后得到模仿学习的示教数据；通过高斯混合模型（gmm）对示教数据进行编码表征，利用高斯混合回归（gmr）泛化输出，映射到nao机器人中，实现动作的模仿。该系统可以实现在线和离线两种模式的动作模仿。在线模仿下，可以进行实时的复杂动作模仿，运动轨迹平滑稳定；离线模式下可以通过学习多次示教泛化出最佳轨迹，具有较强的噪声处理能力，而且可以通过控制重采样点数目，实现动作执行速度的控制，更主要的是一旦学会，可以形成动作记忆，实现示教动作的重复执行。

本文解决的问题主要包括两个方面：1）在模仿过程中，由于nao机器人运动控制以及kinect在获取人体关节数据的过程中存在噪声导致实际值与测量值存在误差，从而导致机器人 的模仿动作稳定性差，因此必须对获取的数据进行优化。2）由于机器人的关节角度和人的关节角度存在比较大的差异，机器人nao首先通过kinect获取初始位置和朝向作为初始值，当有正常数据发生改变时，机器人将根据数据做出姿态的调整。正常的数据发生改变意味着并不是所有的数据到达都会触发机器人作出姿态的调整。由于机器人的动作必须是精确且可靠的，因此对于人体的动作必须要求有一个安全区域，在安全区域外的动作将不再发送给机器人。

动作实现流程图如下：