中文摘要：

本项目主要研究基于海量互联网视频节目挖掘的智能机器人环境感知和认知决策自动学习和建模方法。通过研究海量网络视频数据结构挖掘，提出一套高效、快速、准确的语义概念学习算法，充分利用互联网视频节目丰富的结构信息和上下文信息，建立语义概念空间定义模型。通过互联网上海量的视频数据及其元数据挖掘，训练得到大规模的视频数据语义概念模型，在一定程度上跨越"语义鸿沟"，提高互联网海量视频节目的语义概念检索的精度和速度，为基于内容的视频语义概念检索提供一种科学的研究方法。通过研究建立隐马尔科夫模型（HMM），预测典型运动模式，提高机器人对环境的感知预测能力和行为决策能力。本课题从基于互联网数据挖掘和智能机器人语义概念数据集的角度出发，结合神经科学和脑科学，探索研究从海量的互联网视频数据中挖掘大规模语义概念结构的自动探测和学习方法，为智能服务机器人环境感知和行为决策提供一种科学的研究方法。

结论摘要：

本课题主要研究基于海量互联网视频节目挖掘的智能机器人环境感知和认知决策自动学习和建模方法。通过研究海量网络视频数据结构挖掘，提出一套高效、快速、准确的语义概念学习算法，充分利用互联网视频节目丰富的结构信息和上下文信息，建立语义概念空间定义模型。通过互联网上海量的视频数据及其元数据挖掘，训练得到大规模的视频数据语义概念模型，在一定程度上跨越"语义鸿沟"，提高互联网海量视频节目的语义概念检索的精度和速度，为基于内容的视频语义概念检索提供一种科学的研究方法，为智能机器人感知和决策提供一种途径。在此工作基础上，通过利用动作捕捉设备获取四足动物的运动数据，分析四足动物不同步态情况下的运动数据，找出动物运动规律，提炼出仿生学的优势，得到一种仿生的机器人感知算法，并将这些优势应用在四足机器人开发中，大大提高四足机器人的平衡能力、负载能力和能源利用效率。不仅如此，通过利用智能机器人环境感知和认知决策自动学习和建模方法，研究基于智能机器人的飞机装配制孔关键技术和方法，研究自主感知定位技术、法线检测算法和姿态调整算法、集成优化控制算法和机器人叠层制孔工艺和方法关键技术，并在实际应用中得到了验证。本课题从基于互联网数据挖掘和智能机器人语义概念数据集的角度出发，探索研究从海量的互联网视频数据中挖掘大规模语义概念结构的自动探测和学习方法，为智能服务机器人环境感知和行为决策提供一种科学的研究方法。研究成果成功于四足仿生机器人的开发和航空高性能制孔末端执行器，并在实际应用中得到实践验证，取得了较好效果。