一、课题研究背景及意义

1.1机器人模仿学习研究背景

模仿学习在最近的机器人学习控制中获得了相当多的关注，很多研究者希望模仿学习可以减少编程或者示教给机器人更有用的行为。在传统的示教中人类操作者需要在所需要的位置让移动机器人所有的关节走一条路径来教给机器人所需的手臂行走轨迹，通常这是一个很繁琐的过程，显然机器人如果能够很简单的就可以学到人类教给的动作，这会更有效。因此在构建智能机器人的方法中模仿学习由于具有适应性强、学习效率高等优点越来越受到关注。模仿学习避免了针对特定任务的复杂编程过程使机器人像人类一样可以通过自己的感觉系统与环境交互作用在与环境的交流中学习新的知识和解决问题的方法。模仿学习使机器人具有了更高的适应性通过观察示教者的动作可以快速学习到有用的动作这样就能够迅速适应新的环境，并且较之传统的机器人个体之间相互独立的学习过程模仿学习大大提高了机器人的学习效率。实践证明模仿学习是一种有效的机器人学习方法。

1.2机器人动作模仿的研究意义

从事机器人动作模仿的研究工作，并不是为了追求对复杂系统的研究，而是因为机器人动作模仿的确具有广泛的应用前景，模仿人类动作的机器人研究涉及到多门学科的交叉融合，所以机器人动作模仿正成为机器人研究中的一个热点，其研究水平，在一定程度上代表了一个国家的高科技发展水平和综合实力。NAO机器人的研究为控制理论应用及动力学问题的研究提供了一个平台,具有很大的理论价值。研究机器人动作模仿，除了具有重要的学术意义，还有很高的应用价值。

Morimoto et al给出在实际应用中机器学习方法的综述。Kruger et al提出基于模型语法建立基本运动动作集，从观察中学习行为。Ijspeert et al 提出基本运动集的概念和方法并利用它来研究建立了动态系统的基本运动集，研究类人机器人的动作学习问题。通过模仿和强化学习快速可靠地获得新的行为。对于复杂的行为学习，如网球的挥动、简易棒球击球、击鼓、两足动物的运动。Zhao et al模仿人的动作实现类人机器人打太极拳。基于RGBD的机器人模仿学习，首先是数据采集，之后对这些数据进行处理，再通过传输给机器人的各个点从而让机器人做出类人的动作。Kober等人结合模仿和强化学习对Ijspeert et al等人的工作进一步改进。模仿学习是一种没有先验知识的学习方式，这种方式存在以下的优点:

①在学习控制中，学习的任务通常是没有明确定义的，没有己存在的训练集以一

种被监督的方式用来学习控制。模仿学习则可以在短时间内学习控制。

②从观察中学习同时也是通过观察来编程，或者是模仿学习，再或者是通过展示来学习在过去的二十多年间己经获得了足够的关注。模仿学习就是通过自动编程取代传统的耗时的手动编程过程，从而仅仅通过向机器人展示一套完整的动作来控制机器人。