Intelligent Control of Robotic Systems

از آنجایی که سیستم‌های روباتیک راه خود را به سمت عمل استاندارد باز می‌کنند، در را به روی طیف گسترده‌ای از کاربردهای پیچیده باز کرده‌اند. چنین برنامه هایی معمولاً نیازمند این هستند که ربات ها بسیار هوشمند باشند. روبات‌های آینده در مقایسه با انسان‌ها احتمالاً دارای قابلیت‌های حسی، هوش بیشتر، مهارت‌های دستی بالاتر و تحرک کافی خواهند بود. به منظور اطمینان از کنترل و عملکرد با کیفیت بالا در رباتیک، باید تکنیک‌های کنترل هوشمند جدیدی ایجاد شود که قادر به مقابله با پیچیدگی کار، تصمیم‌گیری چند هدفه، حجم زیادی از داده‌های ادراک و مقادیر قابل توجهی از اطلاعات اکتشافی باشند. از این رو، پیگیری سیستم‌های رباتیک خودگردان هوشمند موضوع تحقیقات بسیار جذاب در سال‌های اخیر بوده است. از سوی دیگر، به عنوان فناوری‌های نوظهور، پارادایم‌های محاسبات نرم متشکل از عناصر مکمل منطق فازی، محاسبات عصبی و محاسبات تکاملی به‌عنوان امیدوارکننده‌ترین روش‌ها برای سیستم‌های رباتیک هوشمند در نظر گرفته می‌شوند. تکنیک‌های محاسبات نرم به دلیل توانایی یادگیری و شناختی قوی و تحمل خوب عدم قطعیت و عدم دقت، کاربرد گسترده‌ای در حوزه کنترل هوشمند سیستم‌های رباتیک پیدا کرده‌اند.

As robotic systems make their way into standard practice, they have opened the door to a wide spectrum of complex applications. Such applications usually demand that the robots be highly intelligent. Future robots are likely to have greater sensory capabilities, more intelligence, higher levels of manual dexter­ ity, and adequate mobility, compared to humans. In order to ensure high-quality control and performance in robotics, new intelligent control techniques must be developed, which are capable of coping with task complexity, multi-objective decision making, large volumes of perception data and substantial amounts of heuristic information. Hence, the pursuit of intelligent autonomous robotic systems has been a topic of much fascinating research in recent years. On the other hand, as emerging technologies, Soft Computing paradigms consisting of complementary elements of Fuzzy Logic, Neural Computing and Evolutionary Computation are viewed as the most promising methods towards intelligent robotic systems. Due to their strong learning and cognitive ability and good tolerance of uncertainty and imprecision, Soft Computing techniques have found wide application in the area of intelligent control of robotic systems.