机构名称：
¥ 1.0
机器学习，特别是通过卷积神经网络（CNN）和增强学习（RL）显着增强了机器人感知和决策能力。本研究探讨了CNN的整合以提高对象识别精度，并通过综合多个感官输入来解释传感器融合来解释复杂的环境。更重要的是，RL可用于完善机器人实时决策过程，从而减少任务完成时间并提高决策准确性。尽管有潜力，但这些高级方法需要广泛的数据集和大量的计算资源才能有效实时应用程序。该研究旨在优化这些机器学习模型，以提高效率并解决自主系统中涉及的道德考虑因素。结果表明，机器学习可以大大提高各个领域的机器人功能，包括自动驾驶汽车和工业自动化，从而支持可持续的工业增长。这与联合国的可持续发展目标相吻合，特别是SDG 9（行业，创新和基础设施）和SDG 8（体面的工作和经济增长），通过促进技术创新并增强工业安全。结论表明，未来的研究应着重于提高这些技术在机器人技术中的可扩展性和道德应用，从而确保广泛，可持续的影响。
机器学习在改善机器人感知和决策中的作用
主要关键词
相关文件推荐
