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。

在构建智能机器人的方法中，模仿学习由于具有适应性强、学习效率高等优点，越来越受到关注。模仿学习避免了针对特定任务的复杂编程过程，使机器人像人类一样可以通过自己的感觉系统与环境交互作用，在与环境的交流中学习新的知识和解决问题的方法。模仿学习使机器人具有了更高的适应性，通过观察示教者的动作可以快速学习到有用的动作，这样就能够迅速适应新的环境。并且较之传统的机器人个体之间相互独立的学习过程。模仿学习大大提高了机器人的学习效率。实践证明，模仿学习是一种有效的机器人学习方法。 因此，研究模仿学习在服务机器人中的应用的意义重大而深远。

二、国内外发展现状

全球服务机器人市场化程度仍然处于起步阶段，受到劳动力不足、人口老龄化等刚性需求的驱动，与人均可支配收入提升和物联网、大数据、计算机、人机交互等先进技术快速迭代的影响，服务机器人行业发展空间巨大。2017年服务机器人市场年复合增长率将达到17.4%，市场规模预计将在2017年达到461.8亿美元。

三、难点及方法综述

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。

所谓模仿学习，是指模仿者（机器人）通过观察示教者（人）的运动行为，学习运动控制策略从而获取运动技能。本文主要内容包括：1）获取Kinect视觉传感器中示教者手臂动作时肩关节和肘关节的转动角度；2）数据处理NAO机器人手机关节运动角度，实现动作映射；3）实验测试动作模仿学习，验证算法可行性。

本设计难点主要在于：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。