tomei.gif
*
*
*
■方针
智能机器人研究实验室追求的目标不是要改善每个人所不擅长的,而是希望能够最大限度地发挥每个人的长处。在这里,喜欢编程的人,喜欢硬件开发的人,喜欢理论研究的人,喜欢动手实验的人,都能够获得所需要的环境而发展自己。
 ページのトップへ
*
*
■智能机器人
教学科目名 智能机器人(intelligent robotics)
单位 2
目标学生 研究生
课程开始 1Q
开设课程的星期和时间 每周二和周四第 3 节课
主讲教师 王 硕玉
联络方法 教员室:A480, 内线电话:2306
关键词 机器人、机器人系统、智能机器人、知识、学习、推理、人工智能,特别是神经网络、强化学习、遗传算法、人类推理、福利护理机器人、生命支持机器人。
教学目的 工业机器人只能执行简单的预定任务,而智能机器人则不同,它们能够根据不同的环境自主推理并执行要采取的行动。推理适当的行动需要知识。知识是通过学习获得的。换句话说,在制造能够智能工作的智能机器人时,除了机械装置外,还必须具备推理和学习功能。在智能机器人学中,学生可以首先了解机器人的基本机制和系统配置、机器人智能的方法以及典型的智能方法,如学习算法和推理算法。
课程大纲 具体来说,① 机器人的基本机制;② 机器人的系统结构;③ 从知识获取的角度,神经网络、强化学习和遗传算法学习方法;④ 从知识使用的角度,从二元逻辑推理出发,用模糊集定量表示模糊概念的人类。推理方法,以及 ⑤ 如何利用这些方法实现智能机器人系统。
教学方法 在本讲座中,重点将放在计算的意义上,即物理概念和算法开发背景,同时重视理论计算算法,以加深理解。为了加深理解,学生将使用免费软件体验推理和学习算法,了解智能机器人的工作原理。此外,还将利用大量图片和视频介绍最先进的智能机器人。
实现目标 1. 了解机器人系统的基本机制、系统组织和机器人智能的概念。
2. 获得了基于神经网络的知识表示和反向传播学习算法的基本概念及其在机器人中的应用。
3. 作为一种无监督学习方法,它为强化学习方法提供了一种学习机制,也为机器人的智能化奠定了基础。
4. 它让我们了解遗传算法的学习(即通过寻找最佳状态获取知识)是如何进行的,并为机器人的智能提供了基础。
5. 推理的基本概念、二元理论中的推理方法、生产规则知识表示的灵活性、专家系统。
6. 了解用模糊集量化模糊概念的方法,并能对模糊集和模糊关系进行基本运算。
7. 了解了模糊推理的基本概念,并用数学公式表达了三种模糊推理算法。
8. 理解了知识获取、学习和推理之间的关系,就能为智能机器人创建避障语言规则。
课程计划 1.介绍了机器人的基本机构和机器人的系统配置。
2. 本书概述了各种机器学习方法,解释了监督/非监督学习之间的区别以及应用于机器人智能的基本概念。
3. 介绍用神经网络表示知识的优缺点。
4. 介绍如何将反向传播学习方法引入神经网络以提供学习功能。
5. 解释了强化学习的基本概念和 Q-learning 这一典型方法。
6. 描述了基于遗传算法的学习算法。
7. 理论上解释了每种学习方法的优缺点,并以智能机器人为例进行了演示。
8. 上半年总结、练习和能力检查
9. 推理的基本概念、二元理论中的推理方法、生产规则对知识表示的灵活性。
10. 模糊理论与智能控制
介绍模糊性概念及其重要性、使用该理论的智能控制系统示例以及智能机器人。
11. 模糊集与模糊概念的量化。
集合、简明集合和定义函数、模糊集合及其性质、基本算术。
12. 模糊数及其运算
模糊数的定义、扩展原理、分解定理、用语言表示智能。
13. 模糊推理 I
马姆达尼的推理方法及其在机器人自主控制中的应用实例。
14. 模糊推理 II
距离的概念、集合间距离的计算、距离型模糊推理方法及其特性。
15. 基于模糊推理的智能机器人行动规划。
知识获取以及学习与推理之间的关系、智能机器人的轨迹和路径规划、基于具有学习能力的推理方法的避障。
16. 全面总结、练习和能力检查
教材 『首次使用机器学习』,小高知宏(欧姆)ISBN:9784274068461
『模糊控制』,菅野道夫(日刊工业新闻)ISBN:4526023485 
参考书 『机器人智能--进化计算和强化学习--』,伊藤一之(欧姆)ISBN:9784274203985
『模糊广告控制』,田中和男 (共立出版株式会社)ISBN:978-4-320-08530 『知识表示和快速推理』,石塚满(完全善意)ISBN:4621042068
评分方法和标准 期中考试水平:50 分(基本内容 40 分,发展性问题 10 分)
期末考试水平:50 分(基本内容 40 分,发展性问题 10 分)

AA:90 分或以上。 A:80 至 89 分之间。
B:70 至 79 分之间
C:60 至 69 分之间
F:59 分或以下。
课外学习(预习、复习等)
建议学生使用分发的课本和参考书准备课程。
与其他学科的关系
建议选修机器人技术 I 和机器人技术 II。
 ページのトップへ
*
*
■机器人Ⅰ
教学科目名 机器人Ⅰ( Robotics Ⅰ)
单位 2
目标学生 本科二年级
课程开 3Q
开设课程的星期和时间 每周二和周五第二节课
授课教员 王 硕玉
联系方式 教员室:A480, 内线电话:2306
关键词 机器人、轮式机器人、双足机器人、四足机器人、工业机器人、医疗、健康促进和福利护理机器人、人性化机器人、传感器、机械臂和机械手、机械手、位置、姿态、关节、运动学、动力学、控制、学习控制
教学目的 控制可以让生活变得更便利。日常生活中,给我们带来巨大便利的电视,冰箱,空调,电脑,汽车,信号灯,电梯,自动售货机,自动卖票机,这些东西都离不开控制。控制工学Ⅰ以身边的控制现象为例,定性地学习控制的基本概念,通过尽量少的计算来理解控制工学的本质。
课程大纲 仔细观察我们周围的生活环境,就会发现各种各样的机器人正在发挥作用,从为大规模生产做出贡献的工业机器人,到帮助家庭主妇打扫卫生的清洁机器人,再到与孩子们交谈和玩耍的儿童护理机器人。机器人 "这个词已经深入人心,没有人不知道它的存在。机器人由机器组成,具有一定的形状。有了形状,它们就显而易见,容易辨认。机器人还能智能地移动,因此赏心悦目。这些都离不开机器人技术的支持。机器人技术 I 涵盖轮式机器人、机械手机器人和步行机器人,从基础知识到实际应用。
教学方法 课程将通过大量实际案例、视频和动画,对课文内容进行及时补充,重点讲解疑难计算的物理意义。每节课以回顾上节课的内容开始,以总结今天的内容结束。
实现目标 ① 能够用自己的话定义机器人。
② 可以组织机器人的类型。
③ 解释移动机器人和机械手的工作原理。
④ 了解移动机器人和机械手的运动学和动力学。
⑤ 了解实现机器人智能的程序。
课程计划 1. 什么是机器人?
机器人的历史、机器人一词的词源、机器人的三大原理、按机构分类、按应用领域分类。
2.-4. 轮式机器人
轮式机器人的分类、车轮的结构和布置、转向和脚轮、特殊机构、全方位移动车辆、轮式机器人的静态和运行、轮式机器人的动态、速度控制、实际应用
5.-7. 机械手
机械手结构和表示法、机械手类型、机械手运动学、机械手的微分关系、机械手动力学、轨迹跟踪控制、实际应用
8. 上半年总结,练习
1.-7.的练习
9. 上半年总结,期中考试
范围: 1.-8.
10.-11.行走机器人
行走机器人的机构分类、行走机器人的机构、能量的有效利用、运动范围和行走稳定性、步态生成、实际应用。
12.-14.机器人智能
传感器、物体距离测量方法、轨迹规划、路径规划、工作规划、智能控制、应用。
15.1 习题。
9. 至 13.
16.熟练检查。
范围: 10.-15.
教材 『基础机器人技术』,小川鉱一、加藤了三(東京電機大学出版局)ISBN:4501414103
参考书 『基础机器人技术』,川村 貞夫(欧姆)ISBN:4274130355
『铁臂阿童木的机器人学』,福田敏男(集英社)ISBN-13: 978-408
评分方法和标准 评分:总成绩达到或超过 60 分方可通过该课程。分数分配如下
一次测验 20 分([每次测验 2 分] x 10 次测验 = 20 分)
期中考试 30 分(细分为:基础题 20 分,发展题 10 分)
常规考试 50 分(细分:基础题 40 分,拓展题 10 分)

AA:90 分或以上
A:80 至 89 分之间
B:70 至 79 分之间
C:60 至 69 分之间
F:少于 60 分或未提交评分文件
课外学习(预习、复习等)
建议学生使用分发的课本和参考书准备课程。
与其他学科的关系
建议选修机器人技术 I 和机器人技术 II。
 ページのトップへ
*
*
■机器人Ⅱ
教学科目名 机器人Ⅱ( Robotics Ⅱ)
单位 2
教学对象 本科三年级
课程开 2Q
开设课程的星期和时间 强化课程
授课教员 王 硕玉
联系方式 教员室:A480, 内线电话:2306
关键词 自主机器人、概率与统计、自我定位估计、环境制图
教学目的 迄今为止,学生们已在机器人学 Ⅰ 中学习了各种情况下使用的机器人的机构和运动的基 础知识。通过这些学习,学生们对机器人的系统结构和所需技术有了大致的了解。在机器人学 Ⅱ 中,我们将重点学习自我位置估计和环境映射,这是一种常用于清洁机器人、无人机和自动驾驶的抗环境技术,从而了解 “概率机器人学”,即自主机器人如何在瞬息万变的周围环境中运行。
课程大纲 本课程由兼职讲师 Katsuhiro Hori(国立苫小牧工业大学)进行集中授课。
自世界上出现基于扫雷算法的清扫机器人以来,已经过去了近 20 年。近年来,搭载人工智能的清扫机器人开始普及。这是因为现在的机器人能够从传感器获取概率信息,对其进行统计处理,并使用综合方法选择行动。概率机器人学 "领域就是要解决这类问题。这是研究未来机器人技术时不可避免的现状。本讲座的目的是了解 “概率机器人学”,学习如何在真实环境中控制自主机器人。讲座内容以千叶工业大学上田博士编写的教材(2020 年日本机械工程师学会教育奖推荐用书)为基础。内容大致可分为以下四类。
◎如何在自主机器人控制中使用概率和统计知识
◎如何为自主机器人建模,以便在真实环境中模拟它们?
◎如何实现自我定位估算和环境制图?
◎如何实现自主机器人在现实环境中的行动决策?
教学方法 授课将使用 PowerPoint。授课材料和练习均在网上提供。练习中的各种算法将在学生自己的 PC 上建立的 Jupyter Notebook 环境中实现。
实现目标 1. 了解概率机器人学和概率与统计学的基本原理,并能解释相关概念。
2. 了解自主机器人的建模,并能解释和实施概念和算法。
3. 了解自我定位估算和环境制图,并能解释和实施概念和算法。
4. 了解自主机器人的行为决策,并能解释和实施相关概念和算法。
课程计划 第 1 部分 导言
了解概率机器人学的概念和历史,了解本课程的概况。
第 2-4 期 概率论与统计学基础
学生将学习作为机器人数据处理基础的概率论和统计学,包括数据概率模型、从结果估计原因的贝叶斯定理以及多维高斯分布。
第 5-6 次 自主机器人建模
学生将学习在自主机器人上安装传感器时的建模方法。他们还将学习如何考虑不确定性。
第 7-9 自我定位估算。
学习使用粒子滤波器和扩展卡尔曼滤波器进行自定位估算。他们还将了解自定位估计中的各种问题。
第 10-12 届 SLAM.
了解同时执行自我定位估计和环境地图构建的 SLAM 概念,并学习顺序 SLAM 和基于图的 SLAM。
第 13-15 行动决定
关于机器人的行动决策,学生将学习对马尔可夫决策过程有效的动态编程方法。此外,还学习了强化学习的基本原理。
第 16 单元考试
教材 『详解概率机器人技术 用 Python 实现基本算法』,上田隆一(讲谈社)ISBN:978-4-06-517006
参考书 『Probabilistic ROBOTICS(Intelligent Robotics and Autonomous Agents series』,Sebastian Thrun, Wolfram Burgard and Dieter Fox(The MIT Press)ISBN:9780262201629
『概率机器人学(高级图书版)』,Sebastian Thrun, Wolfram Burgard and Dieter Fox(米纳维出版社)ISBN:978-4-8399-5298
评分方法和标准 通过学分考试和练习作业进行综合评分
考核比例为学分考试占 60%,练习作业占 40%,最低及格分数为 60 分

AA:90 分或以上。 A:80 至 89 分之间。
B:70 至 79 分之间
C:60 至 69 分之间
F:少于 60 分或未提交评分文件
课外学习(预习、复习等)
授课材料和练习将发布在网上,应按顺序完成。
与其他学科的关系
机器人学 1》中所学的知识将构成本课程的基础。此外,最好还掌握 Python 编程的基础知识,因为 Python 用于实现算法。
 ページのトップへ
*
*
■现代控制
教学科目名 现代控制(Modern Control)
单位 2
教学对象 本科三年级
开设课程的星期和时间 每周一和周四第二节课
上课时间 3Q
授课教员 王 硕玉
联系方式 教员室:A480, 内线电话:2306
关键词 控制、状态变量、状态方程、可控性、可观测性、平衡点、稳定和渐近稳定、极点分配、里卡提方程、最优控制。
教学目的 在机械工程领域,控制是指将机器、设备等置于所需的运行状态。更广义地说,它意味着征服他人并控制他们做你想做的事。人类希望一切事物都能按照自己的意愿运行,或者按照自己的想法运行。例如,电视频道、供暖和制冷系统的室温、驾驶汽车、电梯升降、身心健康、人类组织、经济系统、环境系统等。然而,常识也表明,在现实生活中,不可能事事如意。这取决于系统的可控性。现代控制》让我们了解如何利用状态方程分析和设计线性系统。
课程大纲 现代控制 II 让您了解定量可控性、可观测性、稳定性判别方法、极点放置方法以及使用状态方程的最优控制方法。
教学进展方法 课程将以课文内容为重点,但强调抽象计算的物理意义,并使用现实生活中的例子以及视频和动画。每堂课都将以对上一堂课的讨论开始,并以对所学知识要点的总结结束。
实现目标/td> ① 能够用自己的话解释稳定性、可控性和可观测性等基本概念。
② 可以确定控制系统的稳定性、可控性和可观测性。
③ 可以对移动机器人和机器臂的结构说明 。
④ 了解拉普拉斯变换的性质并能使用它们。
⑤ 利用恒定反馈,可以自由布置极点。
⑥ 能够进行矩阵和行列式的基本计算。
课程计划 1. 现代控制理论的概念
解释控制工程的发展历史,描述现代控制的概念、特点和实际应用。
2. 数学基础 I
矩阵和向量、矩阵的加法和乘法、行列式、逆矩阵
3. 基础数学 II
特征值、特征向量、矩阵秩、正确定性、矩阵指数函数
4.-5.状态方程
状态变量的概念、状态变量显示、传递函数和状态变量显示、状态方程的求解。
6.-7.可控性和可观测性
可控性鉴别方法、可观测性鉴别方法
8. 练习和期中测试
第 1 至第 7 部分的练习结束后将进行期中考试。
9.-10.稳定性
平衡点、稳定性和渐近稳定性、线性系统的稳定性、Hurvitz 稳定性判别法、Lyapunov 方法、Lyapunov 方法在线性系统中的应用
11.-12.极点排列控制系统的设计方法
调节器的概念、调节器的极点(特征值)、极点放置的必要条件和充分条件、 使用极点放置法的控制系统构建方法
13.-14.优化控制的控制系统设计方法。
最適の基本概念,評価関数と最適制御,最適制御系の安定性,リカッチ方程式の解法
15.1 习题
9.-14.的练习
16.1 期末考试
全面总结和期末考试。
教材 『现代控制工程--从基础到应用』,土谷武士、江上正(工业书籍)ISBN:978-4-06-517006
参考书 『基础系统和控制工程』,土谷武士、江上正(北森出版 )ISBN:978-4-627-91731
评分方法和标准 总分至少达到 60 分,即为及格。分数分布如下。
一次测验 20 分([每次测验 2 分] x 10 次测验 = 20 分)
期中考试 30 分(细分为:20 道基础题,10 道拓展题) 
常规考试 50 分(细分为:40 道基础题,10 道拓展题) 

AA:90 分或以上。 A:80 至 89 分之间。
B:70 至 79 分之间
C:60 至 69 分之间
F:59 分或以下
课外学习(预习、复习等)
强烈建议使用提前分发的课本和参考书进行准备和预习。
与其他学科的关系
可以更深入地掌握线性代数和控制基础知识。
 ページのトップへ
*
*
■系统工程实验
教学科目名 系统工程实验(Systems Engineering Experiments)
单位 2
教学对象 本科一年级
开设课程的星期和时间 每周四第四至第五节课
上课时间 第二学期
授课教员 王 碩玉,橘 昌良, 密山 幸男, 野田 聡人, 芝田 京子, 大内 雅博, 中村 尚, 牧野 久雄, 楠川 量啓,射場 達也
联系方式 (总协调人): 大内雅弘
关键词
教学目的 在学习系统研究组的各个主要领域时,通过实验体验和理解现象有助于加深对理论的理解。此外,为了将来能积极从事研究和开发工作,学生必须掌握进行高精度和可重复实验的技能,以通俗易懂的方式整理和分析实验结果,并以通俗易懂的方式报告实验内容和结果。在系统工程实验中,学生将掌握基本的实验技能,并能以通俗易懂的方式总结各专业领域的实验结果。
课程大纲 实验涉及机械、电子和建筑系统,每个系统都是专业学习的基础。整个学年分为三组,每组轮流进行四次所有系统的实验。 *本学科主要是一门实践教育课程,包括在具有丰富实践经验的公司和组织指导下的工作经验。
教学方法 [考勤检查、考勤分和提交报告]
说明神经网络运算的原理,模式识别的工作原理,并应用到机器控制。可以对基本理论进行 参加所有实验和提交所有规定作业的考勤分为 25 分,不给部分分数。 如果每个系统的实验没有提交报告,则该系统的分数为零。

由于每个实验室没有 IC 卡读卡器,原则上由任课教师或助教在上课开始时点名。点名时未到者视为迟到,严重迟到者视为旷课。如果学生在没有通知的情况下缺席,则视为放弃该课程,并将以不及格论处。 如果因不可避免的原因缺席,请向教务处提交缺席通知,与负责老师协商,改期进行实验,并在指定日期前提交报告。

[提交报告]
根据各主题负责教师的指示撰写报告,并在到期日之前提交。

[教科书]
按要求在每个系统中分发。

实现目标 1. 掌握特定实验任务的背景、基本原理和基本规律。
2. 在一个有明确角色和责任的小组中合作并努力达到目标。
3. 在一份简明扼要的报告中总结实际所做的工作。
4. 考虑到安全问题,因为实验涉及各种危险。
5. 找到符合自己兴趣的专业。
课程计划 [教案]
第一课定向
第 1 学期(第 2、3、4、5 和 6 课)
第 2 学期(第 7、8、9、10、11 课)
第 3 学期(第 12、13、14、15、16 课)

一学年分为三组,每学期轮流进行机械、电子和建筑实验
教材
参考书
评分方法和标准 【评分】
考勤(包括提交报告)25 分 + 每个系统内容 25 分 x 3 = 100 分。每个系统的内容分基于学生在实验过程中的态度、工作态度、准备情况和报告内容。如果总分是

・50分以下:F
・51~69分:C
・70~79分:B
・80分以上:A

在 A 级评级中,AA 级可授予非常卓越的案例。

如果学生无故缺席超过一次,或未提交作业,将被记为不及格(F)。
课外学习(预习、复习等)
【预备】
应通过实验书签进行充分准备,以确保当天的工作效率,并提高对实验内容的掌握。

【回顾】
按照说明认真准备报告。这对培养将来需要的技能非常重要,如报告格式、重要数字和图表写作。
备注
本课程是系统工程组一年级学生的实验课。由于设备限制,不对二年级及以上学生开放。
 ページのトップへ
*
*
■研讨会
* *
* *
 ページのトップへ
*
*
■成果报告会
*
 ページのトップへ
*
*