1、探索连接主义机器人运动规划：MURPHY系统的启示

探索连接主义机器人运动规划：MURPHY系统的启示

1. 引言背景

人工智能（AI）领域的研究正逐渐从抽象符号处理转向更加整体和整合的方向，将身体、感官和智能紧密结合。这一转变背后，图灵对智能的愿景起到了重要的推动作用。图灵认为，智能不仅涉及符号处理，还应包括对环境的感知和适应能力。在这一背景下，MURPHY系统应运而生，它是一个机器人-摄像系统，旨在探索新的感觉-运动学习和控制方法。

2. MURPHY项目简介

MURPHY系统专注于解决在一个杂乱的工作空间中引导多连杆臂到达视觉目标的问题。与传统的机器人运动规划方法不同，MURPHY强调“生态学”解决方案，这些方案更贴近人类和动物在自然环境中的行为。具体来说，MURPHY系统试图在未建模的工作空间中找到有效的运动路径，这些工作空间的布局可以随着眼睛、头部、四肢和身体的移动而时刻变化。此外，MURPHY系统更关注计算“好”路径而非“最优”路径，因为放松对最优性的要求可以大大简化运动规划算法。

MURPHY系统的三个设计原则

1. 无先验模型 ：MURPHY系统不假设任何关于手臂运动学或相机成像特性的先验模型。相反，它必须通过实践学习，并对随后的视觉-运动关系变化保持可塑性。

2. 排除复杂算法 ：MURPHY系统不依赖复杂的内置算法或专用数据结构来避免障碍物。它寻求一种更为简单的运动规划方法，以适应自然环境中的动态变化。

3. 直接视觉处理 ：MURPHY系统强调视觉处理在机器人运动