天津商业大学附近有没有美国留学培训班

美国大学机器人专业详解

如今机器人领域的研究可谓是理工专业的“金字塔顶点”，集合了EE/CS/ME等大火专业。但是很多学生和家长其实很模糊，这个领域到底是要学什么？都有哪些研究方向？今天我们就来详细了解一下。

以密歇根大学安娜堡分校的机器人研究为例，学校的机器人旨在创建一个由机器人组成的协作社区，通过相互尊重、行动上的正直和思想上的透明，我们将加速机器人领域的有益社会进步。

学生设计、创建、分析和使用与物理和人类环境交互的嵌入式计算系统。他们研究机器人及其在世界上的地位，涉及许多工程领域，包括计算机科学、机械工程、人工智能、计算机视觉、电气工程、控制系统、人机交互和生物医学工程。我们的学生从这些领域中学习，并应用这些知识来构建机器人和相关系统。

我们的学生来到这个领域有着各种各样的背景，特别是在机械工程、电气工程和计算机科学方面。他们学会团队合作，完成建立和运行一个自主系统所需的许多任务，包括机械设计、电子、编程和集成所有部件。学生们以独立研究人员和工程师的身份毕业，其中许多人将成为机器人研究、学术界、工业界和政府领域的领军人物。

重点研究领域：

AI:由多研究人员组成，对智能系统进行理论、实验和应用研究。目前的项目包括:理性决策研究、多智能体分布式系统、机器学习、强化学习、认知建模、博弈论、自然语言处理、机器感知、医疗保健计算和机器人技术。

人工智能的研究往往是高度跨的，以计算机科学、语言学、心理学、经济学、生物学、控制学、统计学和哲学为基础。为了实现这一目标，全校师生与同事紧密合作。这种协作环境，加上我们不同的视角，导致了研究团队内部和跨研究团队之间有价值的思想交流。

无人驾驶汽车：密歇根机器人研究解决了各种技术问题，使自主操作安全可靠。其他突出的问题包括自治或半自治系统应该如何与人类互动，以及它们可能如何影响社会。在回答这些问题和开发解决方案的过程中，核心机器人技术学院受益于与密歇根大学强大的心理学、社会科学和公共政策部门的合作。

深度学习：密歇根大学在这一领域的研究主题包括:我们如何将这种学习技术集成到传统的概率工具中，这些工具在机器人领域是众所周知的，是否有办法避免监督学习所需的劳动密集型人工标记?这些问题引发了基于降维、对抗性学习和模拟的几条研究路线。

人机交互：自主机器人很少是完全自主的。机器人将需要一套能让它们与人类有效互动的技能。这一领域的机器人得益于与社会科学家的合作，他们可以阐明人类团队如何运作，以及机器人可能如何理解这些团队及其自身的角色。

步行式机器人：人类大小的两足机器人正以的速度和灵活性在非结构化地形上充电，使用基于前沿数学的先进反馈控制算法。狗大小的四足机器人正在被设计用来打破能源消耗的障碍，这些障碍威胁着腿机器成为一种新奇的物品，而不是无处不在的工具。另一项努力集中在高度新颖的多足机械设计和相关算法上，使腿部机器具有目前仅在动物世界才有的适应性。

操控：研究机器人和物体之间的物理互动——长期以来一直是机器人技术的主要挑战之一。为了在诸如照顾老人、打扫房间、储存仓库、组装电子产品或探索太空等任务中发挥作用，机器人必须能够理解我们人类通常认为理所当然的行为，例如“选择和放置”对象、使用工具和操作设备。这种交互包括对物体属性的推理，以及任务的约束和机器人感知和运动的不确定性。

制造业机器人：密歇根制造和建筑机器人领域的研究人员正在推动创新，以应对传感、驱动和自动化领域的重要设计挑战。

密歇根大学的教师致力于利用先进的制造工具和设计，用独特的材料和更高的分辨率来制造可变形的机构和可定制的传感器，以及混合建模和基于代理的推理和学习方法，使系统级的制造更加安全和。

运动规划：运动规划是机器人技术中的一个术语，用于将期望的运动任务分解为满足运动约束并可能优化运动某些方面的离散运动。例如，考虑一个移动机器人在建筑物内导航到远处的路点。它应该在执行这项任务的同时避免墙壁和不从楼梯上掉下来。运动规划算法将这些任务的描述作为输入，并生成发送给机器人车轮的速度和转弯命令。

康复机器人：密歇根大学在设计、控制和评估机器人和其他帮助残疾人的设备方面处于全国持平地位。我们在康复机器人领域的研究旨在开发直接与人类进行身体互动的机器。这些机器人提供物理治疗，帮助肌肉骨骼或神经损伤后的恢复——或者它们替代了不可逆转地丧失的功能。为此，我们研究大脑和身体如何工作，开发动力假肢和外骨骼，并探索与人体互动的新方法。

计算机感知与视觉：密歇根的研究人员正在赋予机器人特殊的能力来感知环境和它们在其中的位置。我们的能力集成视觉，声纳，激光雷达，与本体感知，如编码器。在室内和室外同时绘制和定位机器人位置的较先进技术是由我们的移动机器人项目产生的。

机器人团队协作：密歇根大学的研究人员正在研究机器人团队和群体的理论和工程，以实现搜索和救援、空中监视和数据收集、空间机器人、机器人助手和自动驾驶等多种应用。团队合作的机器人比单独工作的机器人或人更有效率地完成任务。

这项研究的目标是高度能力和可扩展的网络化机器人团队，它们可以安全地与其他机器人和人类交互，尽管环境的不确定性和网络中的敌对(错误的、受威胁的或恶意的)信息的影响。

制图与导航：在机器人制图与导航中，同步定位与映射(SLAM)是在构建或更新未知环境地图的同时，同时跟踪agent在其中的位置的计算问题。SLAM算法是根据可用资源定制的，因此其目标不是，而是操作遵从性。已发表的方法被应用于自动驾驶汽车、无人驾驶飞行器、自动水下航行器、行星漫游车、较新的家用机器人，甚至人体内部。

验证机器人系统和安全自主：确保机器人系统正确、安全运行至关重要。对复杂机器人系统集成多个软件模块(例如感知、决策和控制)的需求加剧了这个问题，因为如果不小心集成，意外的交互可能导致集成后的系统级故障。测试系统能够通过的每一个场景和交互都是不可行的，因此需要更系统的方法来验证安全性和正确性。