全文总字数：7593字
1. 研究目的与意义（文献综述）
1.1 研究背景及意义
随着智能技术的不断进步，以人机协作方式控制的智能机器人系统越来越多的应用在社会热点问题中。在军事领域内，外骨骼机器人通过配合操作者的部分动作，实现对力量的增强，可以提高单兵负重和移动能力。在医疗康复领域内，护理机器人通过与病患的交互，对患者进行肢体的康复训练，或代替家人进行护理。在工业领域内，人机协作实现对特种工件的加工，对机器人示教训练以减轻工人劳动强度。未来，将有更多的机器人进入我们的生活的各方各面。因此寻求自然高效的动态人机协作控制方式是研究人机交互的关键问题，具有重要意义。
但是对于目前阶段的人机交互而言，依旧远未达到理想的人机共融的场景。在人机交互领域内，机器人无法认识理解操作者的动作和意图是当前面临主要困难之一。常见的人机交互信息存在例如触觉，视觉，听觉等等不同类型。如何将上述不同类型的单一模态的信息进行有效融合，为机器人控制提供更全面准确的信息是动态人机协作控制的核心环节之一。
2. 研究的基本内容与方案
2.1研究（设计）的基本内容
1、熟悉基于pytorch的动态神经网络在语义分割和自然语言处理上的发展；
2、掌握基于opencv库的图像处理方法在图像语义分割上的应用；
3. 研究计划与安排
| 第1-2周 | 阅读相关文献，了解国内外多传感器信息融合的动态人机协作控制技术的发展和应用前景； |
| 第3-4周 | 熟悉基于Pytorch的动态神经网络在语义分割和自然语言处理上的发展； |
| 第5-7周 | 掌握基于OpenCV库的图像处理方法在图像语义分割上的应用； |
| 第8-9周 | 熟悉Word2Vec等库在自然语言处理的特征识别方法，掌握基于DNN神经网络算法在自然语言处理上的简单应用； |
| 第10-12周 | 利用Pytorch实现视听等多模态融合提高协作机器人在未知约束环境下的人机交互性能； |
| 第13-14周 | 完成设计说明书及其它要求工作； |
| 第15周 | 最后准备阶段，完成毕业答辩。 |
4. 参考文献（12篇以上）
1.成丹妮. 基于深度神经网络的脑影像分析和计算 [硕士]: 上海交通大学; 2018.
2. 晋忠孝. 基于3d多视图的物体识别及姿态估计方法 [硕士]: 中国科学技术大学;2019.
3.刘智光. 人机协作中机器人力感知与柔顺控制方法研究 [博士]: 河北工业大学; 2017.
