基于强化学习的机器人无序目标智能识别研究与设计
机器人学
2025-03-11 v1 人工智能
机器学习
摘要
在人工智能（AI）驱动的机器人目标识别研究领域，目标分布的无序性、环境的复杂性、数据的大规模性以及噪声干扰等因素，显著限制了目标识别精度的提升。在当前 AI 技术不断迭代升级的背景下，为满足智能机器人在复杂多变场景下对无序目标精确识别的需求，本研究创新性地提出了一种基于 AI 的、使用强化学习的智能机器人无序目标识别方法。该方法使用双边滤波算法处理采集到的目标图像，将其分解为低照度图像和反射图像。随后，采用差异化的 AI 策略，分别压缩照度图像和增强反射图像，然后将两部分图像融合以生成新图像。在此基础上，本研究将作为核心 AI 技术的深度学习与强化学习算法深度融合。将增强后的目标图像输入深度强化学习模型进行训练，最终使基于 AI 的智能机器人能够高效识别无序目标。实验结果表明，所提方法不仅能显著提高目标图像的质量，还能使基于 AI 的智能机器人以更高的效率和准确度完成无序目标的识别任务，在 AI 机器人领域展现出极高的应用价值和广阔的发展前景。
引用
@article{arxiv.2503.07340,
title = {Research and Design on Intelligent Recognition of Unordered Targets for Robots Based on Reinforcement Learning},
author = {Yiting Mao and Dajun Tao and Shengyuan Zhang and Tian Qi and Keqin Li},
journal= {arXiv preprint arXiv:2503.07340},
year = {2025}
}