人工智能模塊導(dǎo)論

課程導(dǎo)學(xué)：人工智能應(yīng)用人工智能模塊課程機(jī)器學(xué)習(xí)與Python程序設(shè)計機(jī)器人基礎(chǔ)硬件及實(shí)驗(yàn)人工智能技術(shù)與應(yīng)用區(qū)塊鏈與智能合約綜合設(shè)計目錄人工智能簡介機(jī)器人簡介機(jī)器學(xué)習(xí)和計算機(jī)視覺Python與深度學(xué)習(xí)框架人工智能模塊課程介紹開展學(xué)習(xí)和研究的建議1、人工智能簡介人工智能相關(guān)政策2017年7月8日國務(wù)院印發(fā)并實(shí)施《新一代人工智能發(fā)展規(guī)劃》2017年12工業(yè)和信息化部印發(fā)了《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃（2018-2020）》2018年4月2日教育部印發(fā)《高等學(xué)校人工智能創(chuàng)新行動計劃》2018年6月12日華師印發(fā)《華南師范大學(xué)人工智能創(chuàng)新行動計劃實(shí)施方案》2018年8月廣東省印發(fā)《廣東省新一代人工智能發(fā)展規(guī)劃》全國各地人工智能相關(guān)政策人工智能（ArtificialIntelligence，AI）。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能與人類智能相似的方式做出反應(yīng)的智能機(jī)器感知器解決不了“異或”問題數(shù)據(jù)和運(yùn)算能力不足守得住初心，耐得住寂寞，抵得住誘惑，頂?shù)米毫?，扛得起打擊，?jīng)得起檢驗(yàn)。人工智能產(chǎn)業(yè)鏈2017年11月科技部公布了首批國家人工智能開放創(chuàng)新平臺名單，分別依托百度建設(shè)自動駕駛、阿里云建設(shè)城市大腦、騰訊建設(shè)醫(yī)療影像、科大訊飛建設(shè)智能語音等國家新一代人工智能開放創(chuàng)新平臺。人工智能研究領(lǐng)域2、機(jī)器人簡介工業(yè)機(jī)器人掃地機(jī)器人人形機(jī)器人教育機(jī)器人（積木）教育機(jī)器人無人機(jī)機(jī)器人是一種自動化的機(jī)器，所不同的是這種機(jī)器具備一些與人或生物相似的智能能力，如感知能力、規(guī)劃能力、動作能力和協(xié)同能力，是一種具有高度靈活性的自動化機(jī)器。機(jī)器人技術(shù)的本質(zhì)是感知、決策、行動和交互技術(shù)的結(jié)合。阿西莫（本田ASIMO）Pepper（軟銀））波士頓動力實(shí)驗(yàn)室（視頻）波士頓動力機(jī)器人進(jìn)化史（視頻）波士頓動力機(jī)器人介紹16（1）機(jī)械部分：機(jī)器人的軀體（2）驅(qū)動源：使各種機(jī)械部件產(chǎn)生運(yùn)動的裝置為驅(qū)動部件，驅(qū)動源可以是氣動的、液壓的或電動的。（3）傳感器：傳感器將機(jī)器人的內(nèi)部信息和外部信息傳遞給機(jī)器人的控制器。（4）控制器：控制器通過傳感器獲取的信息確定機(jī)器人所處的內(nèi)外部環(huán)境，通過決策并使機(jī)械各部分執(zhí)行動作。機(jī)器人由四個共同的主要部件組成2023/2/717機(jī)器人結(jié)構(gòu)示意圖2023/2/718機(jī)器人系統(tǒng)概念圖數(shù)學(xué)（高數(shù)、線性代數(shù)、數(shù)值分析,概率與統(tǒng)計）物理學(xué)工程力學(xué)（理論力學(xué)、材料力學(xué)、流體力學(xué)）機(jī)械學(xué)（機(jī)械原理、機(jī)械設(shè)計、互換性與公差、工程制圖）自動控制（單片機(jī)、電機(jī)拖動與控制）電子與通訊計算機(jī)仿生學(xué)人工智能等。機(jī)器人技術(shù)相關(guān)學(xué)科1）復(fù)雜任務(wù)和服務(wù)的實(shí)時規(guī)劃

機(jī)器人按照環(huán)境－行為的完全序列集合進(jìn)行動作決策（自主導(dǎo)航-路徑規(guī)劃、避障、定位）2）環(huán)境感知

環(huán)境傳感器包括機(jī)器人與環(huán)境相互關(guān)系的傳感器和環(huán)境特征傳感器(語音識別，機(jī)器視覺)。3）適應(yīng)于作業(yè)環(huán)境的機(jī)械本體結(jié)構(gòu)

靈巧可靠、結(jié)構(gòu)可重構(gòu)的移動載體是這類機(jī)器人設(shè)計成功的關(guān)鍵。4）人－機(jī)接口

人－機(jī)接口包含了通用交互式人機(jī)界面的開發(fā)和友善的人機(jī)關(guān)系兩個方面。服務(wù)機(jī)器人涉及的關(guān)鍵技術(shù)服務(wù)機(jī)器人新興產(chǎn)業(yè)有望將成為國家的支柱性產(chǎn)業(yè)之一機(jī)器人是國家安全與國防建設(shè)核心技術(shù)之一機(jī)器人既是前沿高技術(shù)集成體現(xiàn)，也是先進(jìn)制造技術(shù)發(fā)展的源動力之一先進(jìn)機(jī)器人新興產(chǎn)業(yè)將出現(xiàn)爆發(fā)性增長，到2020年左右，將達(dá)到每年500億美元的規(guī)模?！皺C(jī)器人即將重復(fù)個人電腦崛起的道路，……家家都有機(jī)器人”（比爾·蓋茨，07年）日本政府制定了一系列機(jī)器人計劃，近期總投資達(dá)約20億美元豐田、本田、三星等跨國企業(yè)都制定了服務(wù)機(jī)器人產(chǎn)業(yè)規(guī)劃服務(wù)機(jī)器人的展望服務(wù)機(jī)器人新興產(chǎn)業(yè)將成為國家的支柱性產(chǎn)業(yè)之一機(jī)器人是國家安全與國防建設(shè)核心技術(shù)之一機(jī)器人既是前沿高技術(shù)集成體現(xiàn)，也是先進(jìn)制造技術(shù)發(fā)展的源動力之一機(jī)器人技術(shù)是美國政府提出的16項警惕技術(shù)之一，在技術(shù)裝備上對我們禁運(yùn)，在技術(shù)交流和訪問上受到嚴(yán)格限制美國制定了“無人系統(tǒng)路線圖”等多項國家機(jī)器人發(fā)展計劃，重點(diǎn)研究軍用機(jī)器人；其中美國陸軍從2004開始投入2億美元研發(fā)用于野外戰(zhàn)場的物資裝備運(yùn)輸四足仿生機(jī)器人“大狗”服務(wù)機(jī)器人的展望服務(wù)機(jī)器人新興產(chǎn)業(yè)將成為國家的支柱性產(chǎn)業(yè)之一機(jī)器人是國家安全與國防建設(shè)核心技術(shù)之一機(jī)器人既是前沿高技術(shù)集成體現(xiàn)，也是先進(jìn)制造技術(shù)發(fā)展的源動力之一韓國將服務(wù)機(jī)器人列入“十大經(jīng)濟(jì)增長Engine”

之一歐盟第七框架計劃規(guī)劃制造技術(shù)、機(jī)器人技術(shù)發(fā)展戰(zhàn)略、歐洲機(jī)器人研究路線圖ABB、Adept、安川、Kuka、Funac等著名傳統(tǒng)機(jī)器人企業(yè)不斷在先進(jìn)制造領(lǐng)域深入研發(fā)，擴(kuò)展市場，全球布局機(jī)器人技術(shù)的推廣將加速國家經(jīng)濟(jì)結(jié)構(gòu)調(diào)整與產(chǎn)業(yè)升級；服務(wù)機(jī)器人的展望3、機(jī)器學(xué)習(xí)與計算機(jī)視覺機(jī)器學(xué)習(xí)簡介機(jī)器學(xué)習(xí)專門研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能，一般主要關(guān)注兩類問題：分類問題

根據(jù)數(shù)據(jù)樣本上抽取出的特征，判定其屬于有限個類別中的哪一個。比如：

垃圾郵件識別；圖像內(nèi)容識別；焊縫缺陷分類回歸問題

根據(jù)數(shù)據(jù)樣本上抽取出的特征，預(yù)測一個連續(xù)值的結(jié)果。如票房預(yù)測、產(chǎn)品質(zhì)量預(yù)測等常見的機(jī)器學(xué)習(xí)課程內(nèi)容（吳恩達(dá)機(jī)器學(xué)習(xí)課程）一、引言二、單變量線性回歸三、線性代數(shù)回顧四、多變量線性回歸五、Octave教程(Python)六、邏輯回歸七、正則化八、神經(jīng)網(wǎng)絡(luò)九、神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)十、應(yīng)用機(jī)器學(xué)習(xí)的建議十一、機(jī)器學(xué)習(xí)系統(tǒng)的設(shè)計十二、支持向量機(jī)(SVM)十三、聚類(Clustering)十四、降維(DimensionalityReduction)十五、異常檢測(AnomalyDetection)十六、推薦系統(tǒng)十七、大規(guī)模機(jī)器學(xué)習(xí)十八、應(yīng)用實(shí)例：圖片文字識別機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域1、計算機(jī)視覺

：人臉識別、車牌識別、掃描文字識別、圖片內(nèi)容識別、圖片搜索等等。

2、自然語言處理

：搜索引擎智能匹配、文本內(nèi)容理解、語音識別、輸入法、機(jī)器翻譯等等。

3、社會網(wǎng)絡(luò)分析

：用戶畫像、網(wǎng)絡(luò)關(guān)聯(lián)分析、欺詐作弊發(fā)現(xiàn)、熱點(diǎn)發(fā)現(xiàn)等等。

4、制造業(yè)：產(chǎn)品質(zhì)量預(yù)測、工藝參數(shù)推薦、優(yōu)化調(diào)度、預(yù)防性養(yǎng)護(hù)及故障診斷視覺簡介機(jī)器視覺就是用機(jī)器代替人眼來做測量和判斷，偏重于計算機(jī)視覺技術(shù)工程化，能夠自動獲取和分析特定圖像，以控制相應(yīng)的行為。視覺相關(guān)知識結(jié)構(gòu)機(jī)器視覺典型應(yīng)用視覺簡介計算機(jī)視覺是使用計算機(jī)及相關(guān)設(shè)備對生物視覺的一種模擬，是采用圖像處理、模式識別、人工智能技術(shù)相結(jié)合的手段，著重于一幅或多幅圖像的計算機(jī)分析，最終目標(biāo)是使計算機(jī)能像人那樣通過視覺觀察和理解世界，具有自主適應(yīng)環(huán)境的能力。視覺相關(guān)知識結(jié)構(gòu)計算機(jī)視覺典型應(yīng)用計算機(jī)視覺的應(yīng)用移動機(jī)器人導(dǎo)航遙感圖像分析醫(yī)學(xué)圖像分析安防人機(jī)交互自動駕駛其它（動畫、體育、考古）視頻介紹格靈深瞳：視頻大數(shù)據(jù)、機(jī)器人、醫(yī)療圖像等泰首智能：人臉及人證識別商湯科技：交通場景分析特斯拉：自動駕駛2016年，谷歌發(fā)布圖像數(shù)據(jù)集OpenImages，900萬張圖像，6000多類。該數(shù)據(jù)要比ImageNet（1000類）包含更真實(shí)生活的實(shí)體存在（2009年）/v_show/id_XMjI2NzU0NzUwNA==.htmlTED演講（李飛飛）：我們怎么教計算機(jī)理解圖片三歲小孩在講述她從一系列照片里看到的東西我們希望能教會機(jī)器像我們一樣看見事物：識別物品、辨別不同的人、推斷物體的立體形狀、理解事物的關(guān)聯(lián)、人的情緒、動作和意圖。給計算機(jī)看一些特定物品的訓(xùn)練圖片，比如說貓，并讓它從這些訓(xùn)練圖片中，學(xué)習(xí)建立出一個模型來一只貓由一些形狀和顏色拼湊起來的圖案，比如：“貓”有圓臉、胖身子、兩個尖尖的耳朵，還有一條長尾巴但如果遇到這樣的貓呢？

它整個蜷縮起來了。即使那些事物簡單到只是一只家養(yǎng)的寵物，都可以呈現(xiàn)出無限種變化的外觀模型，而這還只是“一個”對象的模型。ImageNet有62000只貓長相各異，姿勢五花八門，而且涵蓋了各種品種的家貓和野貓。如何識別？常見的分類器有支持向量機(jī)，決策樹，隨機(jī)森林，神經(jīng)網(wǎng)絡(luò)等常見的圖像特征有顏色特征、紋理特征、形狀特征等視覺特征描述進(jìn)展（1995-2018）特征點(diǎn)檢測和描述算子(1999-2004):

SIFT（Scaleinvariantfeaturetransform）的誕生和發(fā)展特征工程（1995-2010）：手工設(shè)計(manuallycraft)特征，如shapecontext、

HOG（HistogramofOrientedGradients）、spinimage（3Dmesh的描述子surfacematching）等目標(biāo)識別（2005-2010）：數(shù)據(jù)庫Caltech101；主流識別算法(1)BoW(bag-of-visual-words)如SPM等和(2)templatematching如DPM等自動特征學(xué)習(xí)（2010-2018）:深度學(xué)習(xí)CNN和RNN評價標(biāo)準(zhǔn)采用top-5錯誤率，即對一張圖像預(yù)測5個類別，只要有一個和人工標(biāo)注類別相同就算對，否則算錯。如何理解超過人眼為什么要自動學(xué)習(xí)特征機(jī)器學(xué)習(xí)中，獲得好的特征是識別成功的關(guān)鍵目前存在大量人工設(shè)計的特征，不同研究對象特征不同，特征具有多樣性，如：SIFT,HOG,LBP等手工選取特征費(fèi)時費(fèi)力，需要啟發(fā)式專業(yè)知識，很大程度上靠經(jīng)驗(yàn)和運(yùn)氣是否能自動地學(xué)習(xí)特征？（深度學(xué)習(xí)CNN和RNN/LSTM）為什么采用層次網(wǎng)絡(luò)結(jié)構(gòu)為什么采用層次網(wǎng)絡(luò)結(jié)構(gòu)初級（淺層）特征表示高層特征或圖像，往往是由一些基本結(jié)構(gòu)（淺層特征）組成的為什么采用層次網(wǎng)絡(luò)結(jié)構(gòu)為什么采用層次網(wǎng)絡(luò)結(jié)構(gòu)人腦視覺機(jī)理人的視覺系統(tǒng)的信息處理是分級的高層的特征是低層特征的組合，從低層到高層的特征表示越來越抽象，越來越能表現(xiàn)語義或者意圖抽象層面越高，存在的可能猜測就越少，就越利于分類人的神經(jīng)細(xì)胞有多個樹突和一個伸長的軸突。一個神經(jīng)元的軸突連接到其他神經(jīng)元的樹突，并向其傳導(dǎo)神經(jīng)脈沖，并根據(jù)來自它的若干樹突的信號決定是否從其軸突向其他神經(jīng)元發(fā)出神經(jīng)脈沖。000010000028x28像素神經(jīng)網(wǎng)絡(luò)用于解讀圖片，包括一些分層排列的人工神經(jīng)元，神經(jīng)元數(shù)量從幾十到幾百、幾千，甚至上百萬不等。每層神經(jīng)元負(fù)責(zé)識別圖像的不同成分，有的識別像素，有的識別顏色差異，還有的識別形狀深度學(xué)習(xí)的具體模型及方法卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork,CNN）權(quán)值共享減少參數(shù)的方法：每個神經(jīng)元無需對全局圖像做感受，只需感受局部區(qū)域（FeatureMap），在高層會將這些感受不同局部的神經(jīng)元綜合起來獲得全局信息。每個神經(jīng)元參數(shù)設(shè)為相同，即權(quán)值共享，也即每個神經(jīng)元用同一個卷積核去卷積圖像。深度學(xué)習(xí)的具體模型及方法卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork,CNN）多濾波器情形不同的顏色表示不同種類的濾波器每層隱層神經(jīng)元的個數(shù)按濾波器種類的數(shù)量翻倍每層隱層參數(shù)個數(shù)僅與濾波器大小、濾波器種類的多少有關(guān)例如：隱含層的每個神經(jīng)元都連接10x10像素圖像區(qū)域，同時有100種卷積核（濾波器）。則參數(shù)總個數(shù)為：（10x10+1）x100=10100個教計算機(jī)看懂圖片并生成句子。計算機(jī)需要從圖片和人類創(chuàng)造的自然語言句子中同時進(jìn)行學(xué)習(xí)。視頻：了解深度學(xué)習(xí)領(lǐng)域的熱點(diǎn)問題傳統(tǒng)的計算機(jī)視覺研究深度學(xué)習(xí)時代的計算機(jī)視覺計算機(jī)視覺的未來：機(jī)遇與挑戰(zhàn)并存挑戰(zhàn)一：如何提高模型的泛化能力挑戰(zhàn)二：如何利用小規(guī)模和超大規(guī)模數(shù)據(jù)挑戰(zhàn)三：全面的場景理解挑戰(zhàn)四：自動化網(wǎng)絡(luò)設(shè)計方向一：整合常識方向二：幾何推理方向三：對關(guān)系建模方向四：學(xué)習(xí)如何學(xué)習(xí)深度學(xué)習(xí)的成功主要得益于三個方面：大規(guī)模數(shù)據(jù)集的產(chǎn)生、強(qiáng)有力的模型的發(fā)展以及可用的大量計算資源。4、Python與深度學(xué)習(xí)框架常用的深度學(xué)習(xí)框架常用的深度學(xué)習(xí)框架有：TensorFlow、Torch(PyTorch)、Caffe、Theano、MxNet，Keras谷歌亞馬遜FaceBookTensorFlow?是一個采用數(shù)據(jù)流圖（dataflowgraphs），用于數(shù)值計算的開源軟件庫。節(jié)點(diǎn)（Nodes）在圖中表示數(shù)學(xué)操作，圖中的線（edges）則表示在節(jié)點(diǎn)間相互聯(lián)系的多維數(shù)據(jù)數(shù)組，即張量（tensor）。Tensorflow在CPU和GPU上運(yùn)行，比如說可以運(yùn)行在臺式機(jī)、服務(wù)器、手機(jī)移動設(shè)備等等。只需要定義預(yù)測模型的結(jié)構(gòu)，將這個結(jié)構(gòu)和目標(biāo)函數(shù)結(jié)合在一起，并添加數(shù)據(jù)，Tensorflow將自動計算相關(guān)的微分導(dǎo)數(shù)。使用C++實(shí)現(xiàn)的,然后用Python封裝支持Linux,MaxOS,Windows10,Android除了機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)方面的研究，可廣泛用于其他計算領(lǐng)域。TensorFlow五分鐘入門Python代碼示例Python是一種面向?qū)ο?、解釋型語言，跨平臺的腳本語言膠水語言，適用于快速生成原型。Google：Pythonwherewecan,C++wherewemustPython本身被設(shè)計為可擴(kuò)充的。眾多科學(xué)計算軟件包都提供了Python的調(diào)用接口如OpenCV、三維可視化庫VTK和醫(yī)學(xué)圖像處理庫ITK等。Python主要特點(diǎn)系統(tǒng)編程：提供API能方便進(jìn)行系統(tǒng)維護(hù)和管理，是很多系統(tǒng)管理員理想的編程工具。圖形處理：有PIL、Tkinter等圖形庫支持，能方便進(jìn)行圖形處理。數(shù)學(xué)處理：NumPy擴(kuò)展提供大量與許多標(biāo)準(zhǔn)數(shù)學(xué)庫的接口。文本處理：python支持正則表達(dá)式，還提供XML分析、NLTK等模塊。數(shù)據(jù)庫編程：程序員可通過遵循PythonDB-API規(guī)范的模塊與MicrosoftSQLServer，Oracle，Sybase，DB2，MySQL、SQLite等數(shù)據(jù)庫通信。網(wǎng)絡(luò)編程：提供豐富的模塊支持sockets編程，能方便快速地開發(fā)分布式應(yīng)用程序。Web編程：有眾多的Web框架和工具如Django等。多媒體應(yīng)用：Python的PyOpenGL模塊用于二維和三維圖像處理，PyGame模塊可用于編寫游戲軟件。Python自帶的核心模塊科學(xué)計算語言對比：PythonVSMatlabMatlab

是一款商用軟件價格貴；Python

完全免費(fèi)且眾多科學(xué)計算庫都提供了調(diào)用接口與

Matlab

相比,Python是一門更易學(xué)、更嚴(yán)謹(jǐn)?shù)某绦蛟O(shè)計語言Matlab主要專注于工程和科學(xué)計算。Python有著豐富的擴(kuò)展庫,可以輕易完成各種高級任務(wù)。非計算機(jī)專業(yè)從頭學(xué)Java、C++、C太費(fèi)勁。除了一些專業(yè)性很強(qiáng)的工具箱之外，Matlab的大部分功能都可以在Python中找到相應(yīng)的擴(kuò)展庫，兩者對比如下：機(jī)器學(xué)習(xí)/視覺常用Python包Numpy：數(shù)值計算包，包括數(shù)組矩陣操作、數(shù)值計算、線性代數(shù)和統(tǒng)計數(shù)據(jù)等函數(shù)SciPy：科學(xué)計算和工程設(shè)計包，包括圖像處理、插值法、線性代數(shù)、常微分方程、信號處理、聚類算法和快速傅里葉變換等。Pandas：基于Numpy構(gòu)建的含有更高級數(shù)據(jù)結(jié)構(gòu)和工具的數(shù)據(jù)分析包Matplotlib：2D繪圖將數(shù)據(jù)圖形化，與Matlab相似的繪圖功能計算機(jī)視覺常用的Python包SciKit-Image

：基于Python的圖像算法集合。算法多，例子和文檔齊全SciKit-Learn

：幾乎實(shí)現(xiàn)了所有機(jī)器學(xué)習(xí)的基本算法，擁有多種回歸、分類和聚類算法（如支持向量機(jī)、樸素貝葉斯、決策樹和邏輯回歸等）。OpenCV：開源的跨平臺計算機(jī)視覺庫，底層用C和C++編寫，運(yùn)算速度快其它：三維可視化庫VTK、醫(yī)學(xué)圖像處理庫ITKPython開發(fā)環(huán)境Python版本：Python2.X和Python3.X。推薦使用anaconda安裝。集成開發(fā)環(huán)境IDE：Spyder，JupyterNotebook

，PyCharm5、人工智能模塊課程人工智能模塊課程機(jī)器學(xué)習(xí)與Python程序設(shè)計（學(xué)期2）機(jī)器人基礎(chǔ)硬件及實(shí)驗(yàn)（學(xué)期4？張準(zhǔn)）人工智能技術(shù)與應(yīng)用（學(xué)期6？馬瓊雄）區(qū)塊鏈與智能合約綜合設(shè)計（學(xué)期7？陳強(qiáng)）機(jī)器人基礎(chǔ)硬件及實(shí)驗(yàn)教育機(jī)器人平臺主控模塊電源模塊電機(jī)及驅(qū)動攝像頭及傳感IO模塊課程內(nèi)容理論（32個學(xué)時，分成18個專題講座）2個學(xué)分實(shí)驗(yàn)（16個學(xué)時，完成6個基本實(shí)驗(yàn)）0.5個學(xué)分考核理論學(xué)習(xí)1、機(jī)器人的心:兩個專題，講述機(jī)器人核心控制方法2、機(jī)器人的腳：一個專題，講述機(jī)器人的電機(jī)及其驅(qū)動設(shè)計3、機(jī)器人的手：一個專題，講述機(jī)器人的機(jī)械臂及其驅(qū)動設(shè)計4、機(jī)器人的五官：八個專題分別講述紅外、超聲波、激光、攝像頭、熱敏、光敏、溫度、壓力、藍(lán)牙、wifi等所有有關(guān)的傳感、信號傳遞部件的原理驅(qū)動及應(yīng)用5、機(jī)器人的臉：兩個專題講述顯示器件的驅(qū)動及應(yīng)用6、機(jī)器人概論及組建：兩個專題描述概論和綜合搭建實(shí)驗(yàn)學(xué)習(xí)在學(xué)院自主開發(fā)的教育機(jī)器人平臺上完成以下實(shí)驗(yàn)實(shí)驗(yàn)一：機(jī)器人的控制實(shí)驗(yàn)二：機(jī)器人的運(yùn)動實(shí)驗(yàn)三：機(jī)器人的信息獲取1實(shí)驗(yàn)四：機(jī)器人的信息獲取2實(shí)驗(yàn)五：機(jī)器人的交互實(shí)驗(yàn)六：機(jī)器人的綜合設(shè)計區(qū)塊鏈與智能合約綜合設(shè)計什么是區(qū)塊鏈?以‘區(qū)塊’記錄交易信息，以鏈的方式將區(qū)塊組合在一起整個鏈保存在‘去中心化永久存儲’區(qū)塊鏈的基本屬性去中心化，全局共識可證明性，每條紀(jì)錄的修改可溯源交易完整性，所有交易信息經(jīng)過簽名驗(yàn)證，多方確認(rèn)交易共識后不可篡改區(qū)塊鏈的發(fā)展分布式賬本技術(shù)什么是智能合約智能合約是指能夠自動執(zhí)行合約條款的計算機(jī)程序，于1994年由尼克薩博提出的理念，幾乎與互聯(lián)網(wǎng)同齡。區(qū)塊鏈為智能合約提供執(zhí)行環(huán)境。智能合約能夠?qū)崟r跟蹤，并可節(jié)約巨大的成本。具有自我驗(yàn)證，自執(zhí)行，防篡改等特點(diǎn)如果A和B彼此不信任，他們通常需要一個受信任的第三方作為中介來驗(yàn)證交易并執(zhí)行它們（例如淘寶）。通過智能合約和區(qū)塊鏈，您不再需要那些可