第5部分(第1/4 页)

”。

机器人的手一般由方形的手掌和节状的手指组成。为了使它具有触觉，在手掌和手指上都装有带有弹性触点的触敏元件（如灵敏的弹簧测力计）。如果要感知冷暖，还可以装上热敏元件。当触及物体时，触敏元件发出接触信号，否则就不发出信号。在各指节的连接轴上装有精巧的电位器（一种利用转动来改变电路的电阻因而输出电流信号的元件），它能把手指的弯曲角度转换成“外形弯曲信息”。把外形弯曲信息和各指节产生的“接触信息”一起送入电子计算机，通过计算就能迅速判断机械手所抓的物体的形状和大小。

现在，机器人的手已经具有了灵巧的指，腕，肘和肩胛关节，能灵活自如的伸缩摆动，手腕也会转动弯曲。通过手指上的传感器还能感觉出抓握的东西的重量，可以说已经具备了人手的许多功能。

在实际情况中有许多时候并不一定需要这样复杂的多节人工指，而只需要能从各种不同的角度触及并搬动物体的钳形指。1966年，美国海军就是用装有钳形人工指的机器人“科沃”把因飞机失事掉入西班牙近海的一颗氢弹从七百五十米深的海底捞上来。1967年，美国飞船“探测者三号”就把一台遥控操作的机器人送上月球。它在地球上的人的控制下，可以在两平方米左右的范围里挖掘月球表面四十厘米深处的土壤样品，并且放在规定的位置，还能对样品进行初步分析，如确定土壤的硬度，重量等。它为“阿波罗”载人飞船登月当了开路先锋。

机器人的眼睛

人的眼睛是感觉之窗，人有80％以上的信息是靠视觉获取，能否造出“人工眼”让机器也能象人那样识文断字，看东西，这是智能自动化的重要课题。关于机器识别的理论，方法和技术，称为模式识别。所谓模式是指被判别的事件或过程，它可以是物理实体，如文字，图片等，也可以是抽象的虚体，如气候等。机器识别系统与人的视觉系统类似，由信息获取，信息处理与特征抽取，判决分类等部分组成。

机器认字

大家知道，信件投入邮筒需经过邮局工人分拣后才能发往各地。一人一天只能分拣2－3千封信，现在采用机器分拣，可以提高效率十多倍。机器认字的原理与人认字的过程大体相似。先对输入的邮政编码进行分析，并抽取特征，若输入的是个6字，其特征是底下有个圈，左上部有一直道或带拐弯。其次是对比，即把这些特征与机器里原先规定的0到9这十个符号的特征进行比较，与哪个数字的特征最相似，就是哪个数字。这一类型的识别，实质上叫分类，在模式识别理论中，这种方法叫做统计识别法。

机器人认字的研究成果除了用于邮政系统外，还可用于手写程序直接输入，政府办公自动化，银行合计，统计，自动排版等方面。

机器识图

现有的机床加工零件完全靠操作者看图纸来完成。能否让机器人来识别图纸呢？这就是机器识图问题。机器识图的方法除了上述的统计方法外，还有语言法，它是基于人认识过程中视觉和语言的联系而建立的。把图像分解成一些直线、斜线、折线、点、弧等基本元素，研究它们是按照怎样的规则构成图像的，即从结构入手，检查待识别图像是属于哪一类“句型”，是否符合事先规定的句法。按这个原则，若句法正确就能识别出来。

机器识图具有广泛的应用领域，在现代的工业，农业，国防，科学实验和医疗中，涉及到大量的图象处理与识别问题。

机器识别物体

机器识别物体即三维识别系统。一般是以电视摄像机作为信息输入系统。根据人识别景物主要靠明暗信息，颜色信息，距离信息等原理，机器识别物体的系统也是输入这三种信息，只是其方法有所不同罢了。由于电视摄像机所拍摄的方向