随着机器人智能化的不断发展,行为机器人越来越受到人们的重视。而复杂多变的运行环境,给机器人的行为设计提出了一个很大的难题。根据以往的日常经验总结出来的行为反应规则很可能适应不了各式各样的运行环境。本文提出一种机器人在线自学习方法,使机器人在没有现成的合适运行规则可循的环境运行的过程中不断总结经验,自我学习,并对学习得到的成果进行检验。实验时,不给机器人初始化任何路径规划信息,而是通过让机器人在简单环境下自行运动,由得到的实际运行结果,检验本方法的实际效果。检验结果令人满意。
2021-12-28 18:46:55
675KB
1
一个网站发展到一定价值，就会出现一些依附于网站正常业务的黑色产业链，他们或盗号，或抓站，或发布各类垃圾消息，对用户体验和网站的商业价值都产生严重的伤害。如何在不降低用户体验的前提下识别和打击这类机器行为，提高黑色产业链的成本，成为我们长期面临的挑战。 大数据的实时计算和离线分析是解决这类挑战的重要手段之一。如何建立一套数据采集、实时计算、离线分析、异常阻止的数据平台，并在这套数据平台上建立运行各类异常行为识别模型，如何对部分批量的机器人行为进行实时识别，如何将发现的异常行为进行阻断。 本话题将一起探讨如何利用实时计算、数据分析的方法来识别机器人行为，分享新浪在此领域摸着石头探索的过程。
反机器人行为系统漫谈
机器人行为
什么是机器人?
机器人行为有哪些?
机器人和人类有哪些不同?
反机器人行为系统
应用实例
2021-08-07 09:00:43
19.08MB