Highly Redundant Sensing in Robotic Systems

طراحی ربات‌های هوشمند یکی از مهم‌ترین تلاش‌ها در تحقیقات رباتیک امروزی است. کلید طراحی ربات هوشمند در سیستم های حسی برای کنترل و دستکاری رباتیک نهفته است. در یک محیط غیرساختاری، حسگر رباتیک اندازه‌گیری‌ها و ویژگی‌های محیط و اشیاء کاری را به اطلاعات مفید تبدیل می‌کند. یک سیستم رباتیک معمولاً به انواع حسگرها برای انجام سنجش اضافی و دستیابی به ترکیب داده ها مجهز است. این کتاب شامل نسخه های اصلاح شده مقالات ارائه شده در کارگاه تحقیقاتی پیشرفته ناتو است که در سپتامبر 1989 در فلوریدا در چارچوب فعالیت های برنامه ویژه ناتو در مورد سیستم های حسی برای کنترل رباتیک برگزار شد. موضوعات اساسی که در این جلد به آنها پرداخته شد عبارتند از: - نظریه و تکنیک ها، از جمله سیستم های مبتنی بر دانش، همجوشی هندسی، همجوشی بولی، همجوشی احتمالی، همجوشی مبتنی بر ویژگی، رویکرد تخمین خطا، و مدل سازی فرآیند مارکوف. - مفاهیم کلی شامل افزونگی میکروسکوپی در سطح عنصر حسی، افزونگی ماکروسکوپی در سطح سیستم حسی، افزونگی موازی و افزونگی آماده به کار. - پیاده سازی و کاربرد، شامل کنترل رباتیک، فناوری حسی، مونتاژ رباتیک، انگشتان ربات، پردازش سیگنال حسی، یکپارچه سازی سیستم حسی و معماری PAPIA. - تشابهات بیولوژیکی، از جمله شبکه های عصبی، تشخیص الگو، همجوشی در سطح پایین، و یادگیری حرکتی.

Design of intelligent robots is one of the most important endeavors in robotics research today. The key to intelligent robot design lies in sensory systems for robotic control and manipulation. In an unstructural environment, robotic sensing translates measurements and characteristics of the environment and working objects into useful information. A robotic system is usually equipped with a variety of sensors to perform redundant sensing and achieve data fusion. This book contains revised versions of papers presented at a NATO Advanced Research Workshop held in Florida in September 1989 within the activities of the NATO Special Programme on Sensory Systems for Robotic Control. The fundamental issues addressed in this volume were: - Theory and techniques, including knowledge-based systems, geometrical fusion, Boolean fusion, probabilistic fusion, feature-based fusion, error-estimation approach, and Markov process modeling. - General concepts, including microscopic redundancy at the sensory element level, macroscopic redundancy at the sensory system level, parallel redundancy, and standby redundancy. - Implementation and application, including robotic control, sensory technology, robotic assembly, robot fingers, sensory signal processing, sensory system integration, and PAPIA architecture. - Biological analogies, including neural nets, pattern recognition, low-level fusion, and motor learning.