書寫機器人研究綜述

曾華琳，黃雨軒，晁飛，周昌樂

(1.廈門大學 智能科學與技術系，福建 廈門 361005;2.廈門大學 福建省計算智能與機器人重點實驗室，福建 廈門 361005)

書寫機器人研究綜述

曾華琳1,2，黃雨軒1,2，晁飛1,2，周昌樂1,2

(1.廈門大學 智能科學與技術系，福建 廈門 361005;2.廈門大學 福建省計算智能與機器人重點實驗室，福建 廈門 361005)

摘要：通過分析書寫機器人所具有的特征與實現意義，明確了機器人書寫能力需要機器人能夠自主控制機械手,實現靈活和準確的動作，并且觀察動態環境變化。論文從3個方面回顧和分析了當前書寫機器人的研究。首先介紹并分析了書寫機器人硬件結構的知識，其次回顧了現有的控制機器人書寫動作的相關算法，之后介紹了機器人書寫過程中漢字信息的獲取方式。此外，討論了書寫機器人在控制方法和字體獲取方法方面的優劣，并指出了書寫機器人可以利用智能控制技術與模仿學習方法來提高書寫質量。最后展望了書寫機器人的規模化應用領域。

關鍵詞：機器人；書寫機器人；機械手；動作控制；智能控制；模仿學習

中文引用格式：曾華琳，黃雨軒，晁飛，等.書寫機器人研究綜述[J]. 智能系統學報， 2016, 11(1): 15-26.

英文引用格式：ZENG Hualin, HUANG Yuxuan, CHAO Fei, et al. Survey of robotic calligraphy research[J]. CAAI Transactions on Intelligent Systems, 2016, 11(1): 15-26.

智能機器人被期望擁有人的智慧，可以認知周圍的環境和自身的狀態，并進行分析和判斷，然后采取相應的策略完成任務[1]。它擁有一個由多種內、外部傳感器組成的感覺系統，不僅可以感知內部關節的運行速度、力的大小等參數，還可通過外部傳感器，如視覺傳感器、觸覺傳感器等，對外部環境信息進行感知、提取、處理并做出適當的決策，在結構或板結構化環境中自主完成某一項任務[2-3]。

智能機器人，按照其發展進程，主要分成3類：第1代機器人，即示教再現性機器人，它按人編寫的程序工作，只重復一種動作，以一種固定的模式工作；第2代機器人，即工業機器人，由電腦控制，可根據需要按照不同的程序完成不同的工作，解決工業生產和日常生活中的難題；第3代機器人，能夠像人一樣具有靈活的思維，并能夠主動分析和解決問題，具有類人智能[2]。

具有機械手操作能力的機器人是最早出現的工業機器人，它可代替人的繁重勞動，實現生產的機械化和自動化，能在有害環境下進行操作以保護人類安全，因而被廣泛應用于工業生產、科研和生活的各個領域。作為機械手最早的應用，工業機器人開創了機器人發展的新紀元。隨著技術的革新，工業機器人也越來越智能。智能機器人最主要的操作機構—機械手臂，具有極強的功能和很高的通用性，它可以代替或者幫助人類在各種場合下靈巧地完成各類復雜的作業和工作，在各個領域的應用都十分廣泛。目前，單一對機械手的研究和應用還無法完全滿足人們對智能機器人的要求，于是人們趨向于研究具有各種感知能力的機械手，與此同時，通過添加視覺模塊的機器人手眼協調研究也是主流的研究方向之一[3]。

與工業機器人不同的是，智能機器人的研究目標是從工程上模擬人或者生物體的復雜動作以及相應的智能行為，得到綜合性的機器實現。此外，智能機器人也被看作是工業機器人從無智能發展到有智能、從低智能水平發展到高度智能水平的產物。由于其更接近于人們早期對機器人的理想要求，因此制造出具有人類特征的智能機器人已經成為智能機器人制造的終極目標。

機器人書寫作為智能機器人的一項重要應用，目前得到了較多的關注。書寫動作主要是靠機械手臂和其他傳感裝置的協同配合來完成。機器人手臂，主要指的是多關節機械手及多關節機械手指機器控制系統，它能模仿人手臂的某些動作功能，是一種按固定程序抓取、搬運物件或操作工具的自動操作裝置。正如人類的手是人獲得認知的重要渠道，是人完成靈活操作最重要的器官，機械手的動作與操作則代表了機器人可以參與到人類社會生存和工作的一類基本技能，也是智能機器人領域最重要的組成部分和研究課題之一[4]。

漢字書寫是一種很復雜很精細的工作，它對機器人“手”在復雜環境下的靈活性、穩定性以及協調性等控制要求十分嚴格。書寫作為人類一項特有的技能，不僅需要人類的手能靈活地抓取所要使用的工具，而且需要通過感官觀察和感受，以此協調手的各部分動作和所書寫的內容，以及時調整書寫的動作和力度，還能將自己的情感表達出來。因此，機器人書寫可以讓智能機器人應用手眼協調技術來參與到人類社會的認識和實踐中來[4]。并且，實現機器人書寫方面所應用的方法和技術，可以滿足人們對智能機器人“手”期望所具有的各種操作要求，不僅能夠實現智能機器人劃時代的突破，所使用的硬件結構設計、控制算法、參數模型等技術理論，也可應用于人類社會生產生活中的各個領域，其標志性的意義深遠且重大。因此，本文對具有書寫能力的機器人的硬件系統、控制方法、學習能力3個方面進行分析和總結。

1書寫機器人的硬件構造

目前大部分的毛筆字書寫機器人的構造，都是采用末端執筆的機械臂，通過接收計算機的控制指令來模擬人類手臂的動作，完成毛筆字書寫動作。一般在進行機器人系統設計的時候，都會考慮機器人的工作要求，以便機器人的硬件構造可以穩定、準確、高效地完成任務。機器人構造中最基本的是關節的數量、外形大小、負載能力和末端執行器所需要的運動條件。

毛筆字書寫機器人的機械臂目前一般使用電動伺服電機驅動。機械臂是目前在機器人領域中應用最廣泛的裝置，當然其形態也多種多樣，不過它們都是通過接收指令控制電機運動，從而使機械臂能夠在空間內精確地定位和工作。運動結構的構造和機器人的總體大小是由其所要完成的任務的需求、工作空間以及本身的再適應能力決定的。同時，這些也決定了進行裝配所必需的完全的定位能力、進行材料處理所必需的可重復能力以及進行精確的、實時的、基于傳感裝置的運動所必需的高分辨率和精確度[5]。

本文根據現有毛筆字書寫機器人的關節性質將其分類為：直線關節型機器人、曲關節型機器人和平面關節裝配型機器人。

1.1直線關節型機器人

直線關節型機器人是一種成本廉價、結構簡單的機器人。這類機器人是以X、Y、Z直角坐標系統為基本數學模型，并以伺服電機、步進電機為驅動的單軸機械臂為基本工作單元的機器人系統，能夠很容易地確定平面坐標，從而構建出漢字筆畫進行書寫。坐標機器人采用運動控制系統實現對其驅動及編程控制，直線、曲線等運動軌跡的生成為多點插補方式，操作及編程方式為引導示教編程方式或坐標定位方式。直角坐標型機器人主要通過各坐標參數的控制來實現機械手在平面內軌跡的生成，相當于一個解運動學正解的過程。

直線關節型機器人一般有3～5個自由度，這種機器人的機構設計能夠很好地滿足漢字的書寫。漢字的書寫是一個平面內筆畫的組合過程，直線關節型機器人能夠很好地表現漢字各個筆畫的位置，并且能夠利用最簡單的坐標信息完成書寫。同時在垂直方向，直線關節型機器人能夠控制毛筆下筆的輕重，這樣對書寫大量漢字具有很好的效果。目前很多研究者都以這種機械手為基礎來構建機器人寫毛筆字的平臺。

Yongkui M[6]使用直角坐標型機器人設計了一個3自由度的機器人書寫平臺，該試驗平臺通過使用PWM信號控制直角坐標機器人每個軸上伺服電機的轉矩、速度和角度來完成機械手的書寫動作。這個毛筆字書寫機器人平臺有3個自由度的伺服系統，分別通過控制X、Y、Z三個軸的運動來控制筆畫在平面上的定位，能夠基本滿足毛筆字書寫的控制要求，但是針對毛筆字的書寫效果還可以提升。KA WAI K[7]設計了具有5個自由度的機器人書寫平臺,該平臺在現有直線關節型機器人X、Y、Z坐標的基礎上，添加了Z旋轉和傾斜，可以支持機械手在5個自由度上的變化，能夠更加靈活穩定地進行書寫。同時，它添加了攝像頭，利用計算機視覺的方法對書寫筆畫進行矯正，使毛筆字書寫機器人具有視覺功能，方便該平臺通過獲取、學習、執行書寫或自行設計，來進行漢字的書寫。

與之類似的還有JOSH H.M. Lam[8]，他以IRAS(intelligent robotic art system)為平臺，對毛筆的筆尖建立一個幾何模型，通過實際書寫過程中的實驗數據來獲取毛筆字跡的幾何模型，然后添加8個頂點的筆畫分段數據到該模型中，并使用一個末端執筆的五自由度機械手系統來產生毛筆軌跡。日本的桂誠一郎(SEIICHIRO K)研究團隊[9]，推出的一款書法機器人，也是利用直角坐標系機器人在平面軌跡上準確、方便的定位原理，對直角坐標系機器人進行改造，成功地模仿了書法家寫的字。

1.2曲關節型機器人

曲關節型機器人，也稱為關節手臂機器人或關節機械手臂，是比較常見的機器人形態之一，在諸多工業領域的機械自動化作業中得到了廣泛的應用。曲關節型機器人和人的手臂關節比較接近，在實際應用過程中可以更好地完成各種工作，在仿生學上也有重要應用。通常，人們控制這種形態的機械手所完成的一系列動作，總是以笛卡爾坐標空間中的狀態向量來描述的。曲關節型機器人所建立的坐標系可以是都不同的，機械手在空間的位置和姿態可以用一組關節變量來描述。這種機器人的書寫控制方法一般是：通過關節空間得到末端笛卡爾空間(正運動學)或者是從末端笛卡爾空間得到關節空間(逆運動學)。機器人書寫動作的控制主要是通過在平面的軌跡來計算各個關節的參數，相當于一個解運動學逆解的過程。

曲關節型機器人的應用比較廣泛，雖然這種類型的機器人在機器人書寫上的操作比直線型機器人更難、復雜度更高，但是這類機器人具有很好的可擴展性和可移植性，能夠更加方便地安裝在更為一般的場所，應用價值較高。近年來，國內外一些研究者紛紛使用這類機器人來進行研究工作。

在曲關節型機器人的使用這一方面，很多研究者使用了6自由度的工業機器人。例如何薇[10]應用一個6 自由度DENSO-VP6242G工業型機器人，并添加了機器視覺和計算機 作為實驗平臺，提出了一種基于機器視覺的機器人寫字方法。宮曉博[11]以ABB-IRB140型6自由度工業機器人為平臺，使用插補算法在給定平面與曲面上完成漢字的繪制，較忠實地還原TTF(true type font)字型。張傳劍[12]使用AutoCAD和Visual Basic，設計實現了MOTOMAN-UP6機器人寫字功能，并能夠在水平面內實現任意角度的文字書寫。薛環振[13]在他的碩士學位論文里，結合計算機書法[14]的相關技術，以工業機器人MOTOMAN-UP6為平臺設計了夾持毛筆的方法，控制機械臂完成了書寫動作；還考慮了回筆并提出了可行的執行方法，獲得了更好的書寫結果。

1.3平面關節型機器人

平面關節型機器人，又稱為裝配型機器人，這種形態的機器人的特點有其獨到之處。這種運動形態的機器人模仿了人類的手臂，由立柱和大臂、小臂組成，可在幾個方向上進行轉動[15]。

平面關節型SCARA機器人是由日本山梨大學牧野洋在1979年發明的[16]，SCARA(selective compliance assembly robot arm)具有選擇順應性的裝配機器人手臂，在水平方向上具有順應性，在垂直方向上則具有很大的剛性[17]。SCARA機器人有4個自由度，有3個軸線相互平行的水平轉動關節，可在平面內進行定向和定位；1個垂直滑動關節，可在垂直于平面的方向運動[16-17]。可見SCARA機器人是一種介于直線關節型機器人和曲關節型機器人之間的一種獨特類型。

以平面關節型機器人為平臺的書法機器人相對較少。如景興碧[18]采用一種工業型平面關節裝配型機器人(SCARA)來進行軟筆書寫。該機器人的構型與人的手臂及關節比較接近，具有很高的可延展性，該書寫平臺本體由4軸驅動，使用了末端執筆的書寫機構。曲波[19]在他的論文中提出了一種以“AdeptOne”平面機械手臂為平臺，能夠模仿人類書寫能力的毛筆機器人，其基礎結構同樣采用了末端執筆的機械臂，通過接收主控PC機由漢字信息提取的控制指令，來模擬人類手臂的動作完成書寫。

除了這些常見的毛筆字書寫機器人類型，還有很多其他類型的機器人設計。例如多電機的傳動協作、機器人寫字靈巧手系統的研究[20]。Byoung-Ho Kim提出了一種具有軟技巧的雙手指模型[21]來進行機器人書寫，該模型有兩個自由度，兩個手指各有一個旋轉節點和一個柱狀節點，通過遠程計算機解動力學方程對機械手模型進行操作。

綜上所述可知，直線關節型機器人雖然可以很好地完成書寫任務，但是沒有很好的擴展性，并不能很好地體現出人類書法的一些特性。曲關節型機器人具有類人的關節和控制策略，除了能夠完成書寫動作之外，也可以將其拓展到其他類似的工作。而其他類型的機器人也提供了不同方面的借鑒。隨著計算機和科技的發展，可以通過引入各種類型的傳感器(例如圖像傳感器、聲納傳感器、觸覺傳感器等)作為反饋，很好地提高機器人系統書寫的質量，同時也會對機器人控制策略和學習策略有很大的幫助。

2書寫機器人的控制方法

毛筆字書寫機器人的控制方式可分為以下3類：使用坐標計算的控制方法；使用機器人運動學及動力學的控制方法和智能控制方法。在機器人手臂運動控制問題中，主要的挑戰在于動力學和不確定性帶來的復雜性。動力學的挑戰是由機器人機械臂中的非線性和耦合引起的，而不確定性則可能是動力學參數的不精確性和關節的柔性、驅動動力學、摩擦、傳感噪聲等的原因所引起的。

2.1使用坐標計算軌跡控制繪制漢字

這種類型的書寫機器人按照預先設定的軌跡、行為、順序和速度重復進行動作，完成書寫。景興碧的軟筆書法機器人控制系統[18]根據書法機器人的系統要求，編制了大量基于VB、VC、PEWIN和EXCEL的應用軟件。研究者首先對漢字的結構進行分析分類，對漢字中常用的部首通過編程構建出若干子程序，然后針對某一漢字調用函數并進行參數調整。這種書寫方法比較簡單，通過坐標計算和計算機編程就能夠讓機器人實現毛筆字書寫，但是書寫效果不佳，當書寫大量漢字時，會使程序冗雜。張傳劍[12]利用數學幾何算法進行運動學分析，基于AutoCAD和VB設計了MOTOMAN-UP6機器人寫字功能，使系統能夠在水平面內任意角度實現文字的書寫。宮曉博[11]針對工作面為平面或球面的不同情況，分別使用插補算法和結合三維坐標系旋轉變換的姿態插補方法，在給定平面以及給定曲面上以較好的效果完成了漢字的繪制。

2004年以來，寧夏引黃灌區全面推行了以成立農民用水戶協會管理支斗渠為主要內容的農村水費改革，主要經歷了三個發展階段：建立試點階段（2004年）、全面推開階段（2005年）、鞏固規范階段（2006—2011年）。截至2012年5月底，全自治區共成立農民用水戶協會821個，按照灌區所在規模分類，大型灌區協會有671個，中型灌區協會有129個，小型灌區協會有21個，分別占協會總數的81.7%、15.7%和2.6%。目前，全自治區共有農民用水戶協會管理人員4 804人。

國外的研究者們也在不同的機器人平臺上實現了機械手臂的漢字書寫。Yongkui Man[6]設計的一種書法機器人主要采用插值算法和坐標變換進行書寫，該書法機器人有3個自由度的伺服系統，使用開環伺服系統來解決毛筆書寫過程中出現的小半徑旋轉和筆跡控制中的問題，通過控制伺服電機的轉矩、速度和角度來完成機械手的書寫動作。Ka Wai K[7]設計了具有5個自由度的機器人書寫平臺,該平臺在現有直線關節型機器人X、Y、Z坐標的基礎上，添加了Z旋轉和傾斜，可以支持機械手在5個自由度上的變化，能夠更加靈活穩定地進行書寫。Marius-Florin Crainic以RV-2AJ機械臂為平臺，通過直角三角形的三點校準，能夠在平面或斜面上完成方便安全的書寫，并重現唯一的字體或字形[22]。

2.2使用機器人動力學控制繪制漢字

這種類型的書寫機器人通過控制機械手臂在已知的運動軌跡條件下運動，反過來求解對應機械臂關節間的角度以達到控制的目的。本節根據機器人控制中使用的理論不同，將從運動學和動力學兩方面進行介紹。

采用運動學的控制方法，有相當一部分研究者是通過解運動學方程對機械手臂進行控制的。曲波[19]使用了具有類似人類關節的機械臂來模擬人類手臂動作，進而模仿人類的書寫能力，通過末端執筆的機械臂，將從漢字中提取出來的信息通過運動學方程來控制機械臂的動作。金英連[23]采用的6自由度轉動關節機器人機構，是基于坐標變換建立運動學模型，使用三級遞階控制進行書寫。滿翠華[24]對多自由度機器人手臂的機構進行設計，主要通過Denavit-Hartenberg法和基于旋量理論對動作筆畫求運動學正解、運動學逆解(得到封閉解)、基于旋量理論的雅可比矩陣來控制機械臂的動作。

另外也有通過人類動作運動學理論，來控制運動的方法。Rejean Plamondon[25]提出了一個適用于書寫筆跡產生的嵌套模型，通過漸進的細節分析筆畫的軌跡和速度，解釋了生成手寫筆畫的嵌套模型是如何連貫和一致的，并指出書寫筆跡有“指向”和“碰觸”兩個深度。

然而在一些情況下，逆向運動學無法求出解析解，并且可能降低運動軌跡的精確度[26]。于是有一部分研究者基于動力學的相關理論，研究機器人的控制方法。

王黨校對漢字書寫過程中的力反饋進行了模擬，并評價了漢字書寫的逼真度[27]。Sung-Kyun Kim[28]對機器人書寫中的書寫筆夾持問題進行了研究，提出了基于反作用力內部接觸假設(reactional internal contact hypothesis)的多觸點操控框架，并解決了優化配置搜索以及夾持力度的計算問題。由于人機操作的延時，當人手剛度增加時，基于定位控制的機器人會不穩定，于是Toru Tsumugiwa[29]提出了一種可變阻抗的控制方法，實時按比例地調整人臂剛度的動力學估算，使人機協同操作系統更加穩定。Veljko Potkonjak通過總結以往書寫中出現的問題[30]，基于分布定位的概念提出了一種虛擬疲勞(virtual fatigue,VF)[31]的方法，能夠讓機器人根據當前的疲勞程度重新自我配置，并采取合適的姿勢以此來準確控制書寫的動作。

2.3使用智能控制書寫漢字

在反饋控制的研究中，主要使用各種傳感器來感知周圍環境，以此適應環境的變化。曲波使用了能夠模仿人類書寫能力的毛筆機器人[19]，其基礎結構是采用末端執筆的機械臂，引入了圖像、聲吶、觸覺等多個傳感器構成閉環控制系統，通過接收主控PC機提取漢字信息的控制指令，來模擬人類手臂動作進行書寫動作控制。香港中文大學的研究團隊以一個5自由度的機器人系統為平臺[8]，通過對毛筆的筆尖構建幾何模型[34]，在原有平臺基礎上提出了基于視覺圖像反饋的毛筆字筆畫書寫控制方法[35]，并對漢字筆畫的產生進行了分析，用與模仿漢字書寫[36]。

KA WAI Kwok[7]為他們研究團隊設計的毛筆字書寫機器人添加了視覺系統，通過對毛筆字筆跡進行實時捕捉和數據分析，使之可以進行自矯正和學習。改進后的書寫機器人能夠通過視覺獲取、學習漢字信息，并書寫漢字。金英連[23]使用視覺傳感器獲取字符圖像，再利用單片機對機械臂進行控制從而達到書寫的目的。何薇[10]利用機器視覺自定義協議將圖像傳回PC機，通過得到的字符坐標信息來控制機器人的多軸聯動進行書寫。在字跡清晰條件下，該方法能夠使機器人準確地寫出機器視覺所“看到”的字符。

另外，也有一些研究者通過各種學習算法來控制機器人的運動。例如JAVIER G[26]采用改進的Lloyd算法與隱馬爾可夫模型(HMM)對關節空間的軌跡進行控制，并能更為有效地用于人類動作的學習。ALAIN D[37]通過采用深度神經網絡學習，以此生成一序列命令直接提供給底層的控制回路，能夠在新的環境下歸納已學習到的動作，并以iCub為平臺測試軌跡記錄。SUN Yan等人的一些研究工作使用強化學習以及構造型神經網絡方法，通過模仿嬰兒發育過程，能夠讓機器人學會指向和定位行為[38-40]。

3書寫機器人的漢字信息獲取方式

中國書法漢字總數多達800 000，按字體可分為篆書、隸書、楷書、草書、行書、甲骨文、金文等。秦漢兩代的書法大部分是刻在石碑或者是竹簡上，之后的各朝代寫在帛或者紙上。這些作品大都有副本流傳，為機器人書寫數據庫提供了大量的資源。然而漢字的書寫不同于英文的書寫，漢字的書寫更加注重結構和美觀，書寫動作也更為復雜。目前的毛筆字書寫機器人大部分書寫的是楷書，少部分是隸書或行書。機器人書寫中漢字信息獲取的方式分為計算機字庫再現和人機協作、模仿學習。

3.1計算機字庫信息的再現書寫

機器人對字庫中漢字的再現書寫，主要是通過計算機將漢字轉化成具體的點坐標，然后通過控制機械臂的運動軌跡，對漢字進行書寫。這種漢字的實現方式比較簡單，效果表現和字庫中的漢字一致，主要使用直線關節型機器人，一部分使用曲關節型機器人。這種方法是在工程上實現漢字圖形的再現，對編程的要求較高。本節按照字庫信息的來源，將其分為從現有字庫的信息提取和字帖的信息獲取。

通過現有字庫進行漢字信息的提取，多是利用操作系統自帶的函數讀取TTF矢量字庫中的漢字輪廓信息，通過Denavit-Hartenberg方法進行運動學控制，實現漢字的書寫。例如王光建[41-42]提取TTF矢量字庫中漢字的輪廓信息，通過編程對TTF字體的點陣單線字體進行矢量化，然后使用汪濤[43]的函數提取和顯示功能對字符輪廓線進行提取和顯示，實現寫字機器人的運動學分析和仿真。宮曉博[11]首先通過API 函數編程實現了TTF字型輪廓信息的提取，然后針對工作面為平面或球面的不同情況，分別使用插補算法和結合三維坐標系旋轉變換的姿態插補方法，在給定平面以及給定曲面上以較好的效果完成了漢字的繪制。

另外也有研究者用其他方式進行編程，從現有字庫中獲取漢字的信息。景興碧[18]使用SCARA機器人為平臺，以基于Windows系統上的中文字庫以及VB、VC、PEWIN、EXCEL等應用軟件，在點陣式2D的字跡中加入第三維信息，供機器人進行軟筆書寫。張傳劍[12]利用AutoCAD對漢字的筆畫的點坐標信息進行提取，使用VB設計了MOTOMAN-UP6機器人的寫字功能，利用集合算法對機器人進行運動學分析，使該機器人能夠在水平面內任意角度進行文字書寫。曲波[19]設計的自適應能力毛筆機器人通過引入多個傳感器，接收漢字的坐標信息進行書寫，能夠模仿人類書寫的能力并進一步完善自適應性。

通過對漢字結構的研究發現，漢字雖然數目龐雜，并且有不同的寫法、字體，但是不同的簡單筆畫在平面上的組合構成了各種各樣的漢字。因此也有不少研究者對各種字帖進行處理，獲取漢字的筆畫信息，以此控制機械手臂進行書寫。

美國Tennessee State University的Fenghui Yao教授在這一方面作了一些研究，他在CCC(Chinese Character Calligraphy)機器人上設計了一種“中國漢字書法機器人”，通過構建一個基于筆畫的漢字數據庫來進行書寫。他根據漢字的發展歷程，分別構建了篆書、隸書、楷書、草書、行書的相關字庫。之后采用基于圖像和曲線加工技術和書法知識對毛筆字的軌跡信息進行提取，將楷書漢字書寫分為28個基本筆畫。YAO還將漢字分成了幾類固定的結構，根據結構的不同來對筆畫進行定位和拼接，得到了很好的書寫效果[44-46]。

也有研究者將獲取到的信息通過建立毛筆模型來進行書寫。JOSH H. M. Lam在IRAS中構建筆跡模型，利用線性回歸的理論，使機器人書寫出更加合適的筆畫[8]。在此基礎上，JOSH H. M. Lam還提出了一種先進較成熟的幾何學的毛筆模型[47]：在實際書寫過程中使用CCD攝像頭采集實驗數據獲取毛筆的幾何模型，之后通過添加8頂點筆畫模型對每個筆畫信息進行分段，使機器人能夠很好地書寫每一個筆畫，從而更好地完成書寫。

然而機器人根據筆畫來進行書寫是有一定困難的，因為在筆畫的組合方面，機器人需要進行定位和拼接。薛環振[13]利用遞歸算法對毛筆字書法的筆跡和結構進行了參數化，在機器人書寫動作控制方面對書寫過程增加了“回筆”的方法，使書寫效果得到了較大的改善。金英連[23]使用視覺傳感器獲取字符圖像，然后通過網格化得到字符點陣，計算機信息得到筆畫，之后對筆畫的中心進行聚類得到筆畫的順序，從而達到書寫的目的。何薇[10]利用機器視覺自定義協議將圖像傳回PC機，然后使用OpenCV庫對圖像進行閾值比、閉運算，細化和筆畫分割，通過得到的字符坐標信息來控制機器人的多軸聯動進行書寫。

3.2人機協作和模仿書寫

針對機器人書寫動作最多的方式是采用人機交互的學習方式。學習機制的研究是人工智能研究的一項核心課題。采用了一部分學習策略的機器人，它具有發現問題，并且能自主地解決問題的能力[48]。因此學習策略是智能系統具有適應性與性能自完善功能的基礎。為了讓機器人能夠隨著經驗積累自動提高性能，人們設計了許多不同的算法和方式來實現機器人不同類型的學習。本節根據人機協作方式的不同，將分為隨動和模仿兩點進行介紹。

隨動這一人機協作的形式，是通過人手牽引，與機械手臂相互協作使之獲取相應漢字信息，最終實現書寫的過程。Toru Tsumugiwa[29]提出了一種基于延時定位的人機交互的可變阻抗的控制方法，由壓力傳感器實時獲取人類操作者手臂前端的力度，使機器人末端傳感器實時獲取壓力與位置數據，使人機協作系統更加穩定。Andre Lemme[49]以人形機器人iCub為平臺，構建了一個運動基元庫(movement primitive library), 通過人類教師的引導能夠自監督地從復雜軌跡中感知并學習運動基元，學會相應的軌跡動作，并能使用復雜的手寫軌跡進行評價。

另一種人機協作的方式就是通過觀察、模仿人類教師，獲取對應的漢字信息并進行漢字的書寫。例如V. Mohan等人[50]以嬰兒人型機器人iCub為平臺，通過iCub的分析/綜合系統學習繪制從簡單到復雜的形狀圖案。即通過觀察一個教師的示范，特別是教師末端執行器的軌跡，來學習模仿示范者的動作。

在此基礎上，也有研究者通過觀察人類手勢來實現機器人手臂的書寫。Sylvain Filiatrault[51]通過無標記的視覺傳感器，即Kinnect獲取人類示范的手臂手勢信息，轉換到以NAO機器人為平臺的系統中，以此控制機器人的手臂進行書寫動作。晁飛等通過運動傳感輸入設備實時捕捉人類示范的手勢軌跡，采用簡化的分類集成器來識別人體不同的動作手勢，來控制機械臂書寫不同的筆畫，最終實現整個漢字的書寫[52]。在此基礎上從人類手臂軌跡中提取漢字筆畫并進行優化，以此能夠讓機械臂實現用簡單結構得到更優的書寫效果，使其有潛力書寫更為復雜的漢字[53]。

4比較與討論

為了能更好地對比書寫機器人的產品、技術和參數性能參數，表1、表2和表3被用來對硬件構造、控制方法和漢字信息獲取方式不同研究工作的來進行比較。

需要強調的是，在機器人的動作控制方面，常規的控制策略就是對機器人進行運動學分析。主要是建立D-H齊次坐標方程求解，或者是對機器人手臂在平面內的軌跡進行坐標計算。之后通過編程對機器人進行控制，實現機器人毛筆字的書寫。這種方法可重復再現通過示教編程存儲起來的作業程序，然而這種系統主要依靠人對書寫機器人機械臂的軌跡控制程序進行編寫，使其完成預期的動作，工作量比較大，可擴展性差。

另外在對漢字信息的提取方面，目前的主要方法是通過編程函數提取現有字庫的漢字信息，能夠很好地對漢字進行再現，并且書寫相當多的漢字。然而，這種方法需要較多的編程，限制了機器人的拓展性和學習性，只能書寫字庫中的信息，不能通過不斷地學習和訓練來掌握書寫能力。

表1　機器人硬件構造的比較

表2　機器人控制方法的比較

表3　漢字信息獲取方式的比較

隨著計算機視覺技術的研究和發展，很多研究者利用機器人的“眼睛”對漢字信息進行捕捉和再現。基于計算機視覺來獲取字體信息，在很大程度上能夠讓機器人進行自主學習和訓練，但是機器人在獲取漢字信息時需要克服外界干擾，還要將信息轉化成內部參數來完成書寫，其書寫控制方面需要通過不斷地反饋修正訓練才能夠達到很好的書寫效果。

綜上所述，未來的研究工作將會有如下兩個可供拓展的領域：

1)智能控制與機器學習。引入智能控制模型和機器學習的方法，可以大幅改善毛筆字書寫機器人的動作控制。智能控制模型是在無人干預的情況下能夠自主驅動智能機器實現控制目標的自動控制系統，它主要是針對控制對象及其環境、控制目標和任務的不確定性和復雜性而進行設計的。智能控制系統的特點是：無需建立被控對象的數學模型，特別適合非線性、時變和復雜不確定的控制對象；具有分層遞階的控制組織結構，便于處理大量的信息和儲存的知識，并進行推理；控制效果具有自適應能力，魯棒性好；學習能力，控制能力可以不斷增強。這種控制系統可以自動測量被控對象的被控制量，并求出與期望值的偏差，同時采集輸入環境的信息，然后根據所采集的輸入信息和已有知識進行推理，使得其對被控對象的輸出控制的偏差盡可能減小或消除。根據控制對象本身參數或周圍環境的變化，調整其自身，使得其行為在新的或者已經改變了的環境下達到最好，或者至少是容許的特性和功能。

2)模仿學習。目前對機器人模仿人書寫漢字的研究中，重復漢字的書寫還沒有能夠達到機器人自我創作書寫的效果[54]。中國漢字有十萬多個，常用漢字有三千多個[55]，在漢字的書寫中，不同的漢字是由有限的固定的筆畫組合而成的。在漢字的書寫過程中涉及了很多重復性的筆畫運動，因此可以考慮利用在先前相同筆畫運動軌跡中收集得到的數據來改善機械臂在隨后筆畫中的穩定性和完善性。多樣性的漢字具有有限筆畫重復構成的特點，意味著毛筆字書寫機器人完全可以采用各種學習算法[56]，這也為研究機器人的學習機制提供了一個非常有趣的途徑[50]。

5結束語

通過對該領域已有文獻的閱讀和思考，按照毛筆字書寫機器人的硬件構造、書寫動作控制方法和書寫機器人的實現方式進行了分類，對目前毛筆字書寫機器人的研究現狀和特點做了研究。本文還對比了各個研究的特點和優勢，并在機器人書寫動作控制與實現方式方面做了一些思考。機器人通過不斷學習來完成寫字復雜工作，其重點在于學習，能夠讓機器人通過學習來完成復雜書寫動作的控制是近年來的研究熱點，也是機器人手眼協調發展的一個重要分支。在研究方面，漢字書寫機器人更著重于對機器人手臂的控制，這樣更接近人們對于智能機器人的控制期望。當然，機器人手眼協調的發展一直伴隨著智能機器人的發展，在嘗試對機器人寫毛筆字改進和提高的過程中，也會促進智能機器人的發展和研究。另外，漢字書寫過程中的重復動作，也為機器學習方法的實踐和提高提供了一種方法。

對書寫機器人輸入方式的加強方面，由于漢字的結構特點和文化底蘊，毛筆字書寫機器人的研究也將在一定程度上為“腦機接口”技術應用的拓展打下了前期基礎[57]。并且，隨著計算機技術和人工智能理論的發展，更加高效、智能的發展型機器人將成為研究的重點。在以后的科研工作中，可以關注人工智能學習理論與模仿學習在機器人寫毛筆字中的實現和改進，并將發展型機器人的思想引入機器人書寫動作的控制中，讓智能機器人的動作控制更加貼近人們的期望。

為了強調書寫機器人的未來的研究方向以及可以預見的規模化應用領域，在本文的最后從如下3個方面進行了展望。

機器人書寫功能最直接的應用是個性化的藝術噴涂，特別是在一些危險的外墻上進行書寫甚至作畫，都非常適合機器人去實現；另一方面，在一些高毒、高污染環境下的汽車整體噴漆以及個性化圖盤的噴漆工作，也非常適合大量的具有書寫能力的機器人去勝任。這兩種方式都可以根據人工設計好的或者機器人自己創作的藝術效果進行。由于噴涂與書寫能力可以直接轉化，因此在市場有需求的情況下，可以馬上就轉化為企業的實際應用。

機器人的書寫能力還可以應用在康復鍛煉活動中。機器人可以托起或者拉動需要康復的肢體，來進行一些基本恢復動作，運動范圍可以逐漸從小到大，運動速度可以從慢到快。并且機器人需要做一些新的動作時，可以通過模仿能力來學習康復醫師的新動作。這些能力正是機器人通過模仿來學習書寫所需要的，或者說是書寫機器人所具備的。

機器人書寫對機械手臂靈巧性的高要求可以被應用到有機器人操作的外科手術中去。外科手術需要控制器械在較小的活動空間中進行精確的定位和運動，能達到較好書寫效果的機器人也是可以實現這一功能的。但是，從目前的研究現狀來看，還沒有能達到這樣要求的書寫機器人。因此，需要加強對采用智能控制方法的機器人書寫能力的研究。

參考文獻:

[1]周遠清, 張再青. 智能機器人系統[M]. 北京: 清華大學出版社, 1989: 17-22.

[2]曾慶軍, 黃惟一. 智能遙控作業器——下一代機器人發展的重要生長點[J]. 機器人技術與應用, 1998, (3): 7-10.

[3]方建軍, 何廣平. 智能機器人[M]. 北京: 化學化工出版社, 2004: 1-14.

[4]CHAO Fei, ZHANG Xin, LIN Haixiong, et al. Learning robotic hand-eye coordination through a developmental constraint driven approach[J]. International journal of automation and computing, 2013, 10(5): 414-424.

[5]SICILIANO B, KHATIB O. 機器人手冊[M]. 北京: 機械工業出版社, 2013: 196-211.

SICILIANO B, KHATIB O. Springer Handbook of Robotics[M]. Beijing: China Machine Press, 2013: 196-211.

[6]MAN Yongkui, BIAN Chunyuan, ZHAO Hongbin, et al. A kind of calligraphy robot[C]//Proceedings of the 3rdInternational Conference on Information Sciences and Interaction Sciences (ICIS). Chengdu, China, 2010: 635-638.

[7]WAI K K, YAM Y, WAH LO K. Vision system and projective rectification for a robot drawing platform[C]//Proceedings of IEEE International Conference on Control and Automation. Budapest, 2005: 691-696.

[8]LAM J H M, YAM Y. Stroke trajectory generation experiment for a robotic Chinese calligrapher using a geometric brush footprint model[C]//Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems. St. Louis, MO, 2009: 2315-2320.

[9]MATSUI A, KATSURA S.A method of motion reproduction for calligraphy education[C]// IEEE International Conference on Mechatronics, 2013, 307(9): 452-457.

[10]何薇, 錢增磊, 唐超, 等. 基于機器視覺的機器人寫字技術的設計[J]. 江南大學學報：自然科學版, 2011, 10(5): 513-517.

HE Wei, QIAN Zenglei, TANG Chao, et al. Design of writing by robot manipulator based on machine vision[J]. Journal of Jiangnan university：Natural Science Edition, 2011, 10(5): 513-517.

[11]宮曉博, 王建平. IRB140型工業機器人連續軌跡控制的漢字繪制[J]. 現代制造工程, 2010(2): 135-137.

GONG Xiaobo, WANG Jianping. Drawing Chinese character based on continuous path control of IRB140 industrial robot[J]. Modern manufacturing engineering, 2010(2): 135-137.

[12]張傳劍, 李春梅, 韓軍. MOTOMAN-UP6機器人寫字功能設計與實現[J]. 機械制造與自動化, 2011, 40(2): 119-121, 161.

ZHANG Chuanjian, LI Chunmei, HAN Jun. Functional design and realization of writing for MOTOMAN-UP6 robots[J]. Machine building & automation, 2011, 40(2): 119-121, 161.

[13]薛環振. 運用機械臂的計算機書法創作系統設計與開發[D]. 上海: 華東師范大學, 2011.

XUE Huanzhen. Design and development of computer calligraphy creation system using robot arm[D]. Shanghai: East China Normal University, 2011.

[14]俞凱. 計算機書法若干關鍵技術研究[D]. 杭州: 浙江大學, 2010.

YU Kai. Researches on some key technologies of computer calligraphy[D]. Hangzhou: Zhejiang University, 2010. [15]姜家宏. 平面關節型機器人結構優化研究[D]. 沈陽: 東北大學, 2010.

JIANG Jiahong. The structure optimization research of planar articulated robot[D]. Shenyang: Northeastern University, 2010.

[16]楊成文. 平面關節機器人研制及其軌跡規劃[D]. 廣州:華南理工大學, 2012.

YANG Chengwen. Research and development of the SCARA industrial robot and trajectory planning[D]. Guangzhou: South China University of Technology, 2012.

[17]張紅. SCARA機器人小臂結構特性分析[D]. 天津: 天津大學, 2008.

ZHANG Hong. Structural characteristic analysis of the SCARA robot's small arm[D]. Tianjin: Tianjin University, 2008.

[18]景興碧, 萬仁明, 張以都, 等. 軟筆書法機器人[J]. 機器人技術與應用, 2000 (6): 21-23.

JING Xingbi, WAN Renming, ZHANG Yidu, et al. A robot system for Chinese penmanship[J]. Robot technique and application, 2000 (6): 21-23.

[19]曲波. 一種具有環境自適應能力的毛筆機器人[J]. 微型電腦應用, 2004, 20(10): 42-44.

QU Bo. An adaptive robot of calligraphist[J]. Microcomputer applications, 2004, 20(10): 42-44.

[20]喬金晶, 李志斌, 節鵬舉, 等. 寫字靈巧手系統研究[J]. 中國科技縱橫, 2010, (23): 39-40.

QIAO Jinjing, LI Zhibing, JIE Pengju, et al. The research of the write dexterous hand system[J]. China science & technology, 2010, (23): 39-40.

[21]KIM B H. Modeling and analysis of robotic dual soft-fingered writing[J]. International journal of precision engineering and manufacturing, 2009, 10(2): 17-23.

[22]CRAINIC M F, PREITL S, SANDRU L A, et al. Secure handwriting using a robot arm for educational purpose[C]//Proceedings of the 19th International Conference On Methods and Models in Automation and Robotics (MMAR). Miedzyzdroje, 2014: 58-63.

[23]金英連, 程峰, 鄭成偉, 等. 智能寫字機器人機構與遞階控制系統設計[J]. 中國計量學院學報, 2009, 20(3): 249-253.

JIN Yinglian, CHENG Feng, ZHENG Chengwei, et al. Smart lettering robot mechanism and hierarchical control design[J]. Journal of China university of metrology, 2009, 20(3): 249-253.

[24]滿翠華, 范迅, 李成榮. 畫像機器人手臂運動學研究[J]. 起重運輸機械, 2007 (3): 68-70.

MAN Cuihua, FAN Xun, LI Chengrong. Kinematics simulation of painting robot bionics arm[J]. Hoisting and conveying machinery, 2007 (3): 68-70

[25] PLAMONDON R, DJIOUA M. A multi-level representation paradigm for handwriting stroke generation[J]. Human movement science, 2006, 25(4-5): 586-607.

[26]GARRIDO J, YU Wen, SORIA A. Human behavior learning for robot in joint space[J]. Neurocomputing, 2015, 155: 22-31.

[27]王黨校, 張玉茹, 姚沖. 力反饋漢字書法模擬的任務規劃和逼真度評價方法[J]. 系統仿真學報, 2006, 18(8): 2307-2326.

WANG Dangxiao, ZHANG Yuru, Yao Chong. Task planning and fidelity evaluation in force enabled Chinese calligraphy simulation system[J]. Journal of system simulation, 2006, 18(8): 2307-2326.

[28]KIM S K, JO J,OH Y. Robotic handwriting: Multi-contact manipulation based on Reactional Internal Contact Hypothesis[C]//Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2014). Chicago, IL, 2014: 877-884.

[29]TSUMUGIWA T, YOKOGAWA R, KHARA R. Variable impedance control based on estimation of human arm stiffness for human-robot cooperative calligraphic task[C]//Proceedings of IEEE International Conference on Robotics and Automation. Washington, DC, USA, 2002: 644-650.

[30]POTKONJAK V. Robotic handwriting: Why and how[C]//Proceedings of the Conference on Interdisciplinary Applications of Kinematics. Lima, Perú, 2008: 19-35.

[31]POTKONJAK V, KOSTIC D, TZAFESTAS S, et al. Human-like behavior of robot arms: general considerations and the handwriting task—Part II: the robot arm in handwriting[J]. Robotics and computer integrated manufacturing, 2001, 17(4): 317-327.

[32]DJIOUA M, PLAMONDON R. Studying the variability of handwriting patterns using the Kinematic Theory[J]. human movement science, 2009, 28(5): 588-601.

[33]HASHIGUCHI H, ARIMOTO S, OZAWA R. Control of a handwriting robot with DOF-redundancy based on feedback in task-coordinates[J]. Journal of robotics and mechatronics, 2004, 16(4): 381-387.

[34]YAM Y. Realization of robotic Chinese calligraphy by an intelligent art robot[C]//Proceedings of the 4th Beijing-Hong Kong International Doctoral Forum. Shenzhen, China, 2009： 1-4.

[35]LU Y, LAM J H M, YAM Y. Preliminary study on vision-based pen-and-ink drawing by a robotic manipulator[C]//Proceedings of IEEE/ASME International Conference on Advanced Intelligent Mechatronics. Singapore, 2009: 578-583.

[36]LAM J H M, YAM Y. Structural analysis based stroke segmentation for Chinese characters[C]//Proceedings of the 48th IEEE Conference on Decision and Control. Shanghai, China, 2009: 3118-3123.

[37]DRONIOU A, IVALDI S, SIGAUD O. Learning a repertoire of actions with deep neural networks[C]//Proceedings of IEEE International Conferences on Development and Learning and Epigenetic Robotics (ICDL-Epirob). Genoa, 2014: 229-234.

[38]WANG Zhengshuai, CHAO Fei, LIN Haixiong, et al. A Human-like learning approach to developmental robotic reaching[C]//Proceedings of IEEE International Conference on Robotics and Biomimetics (ROBIO). Shenzhen, China, 2013: 581-586.

[39]WANG Zhengshuai, XU Guanghua, CHAO Fei. Integration of Brain-like neural network and infancy behaviors for robotic pointing[C]//Proceedings of the International Conference on Information science, Electronics and Electrical Engineering (ISEEE). Sapporo, 2014: 1613-1618.

[40]CHAO Fei, WANG Zhengshuai, SHANG Changjing, et al. A developmental approach to robotic pointing via human—robot interaction[J]. Information sciences, 2014, 283: 288-303.

[41]王光建, 廖志勇, 陳雪華. 機器人寫字技術及其運動參數[J]. 重慶大學學報：自然科學版, 2003, 26(12): 6-9.

WANG Guangjian, LIAO Zhiyong, CHEN Xuehua. Robot manipulator lettering technology and motion[J]. Journal of Chongqing university:natural science edition, 2003, 26(12): 6-9.

[42]王光建, 梁錫昌. 寫字機器人的文字矢量化及應用[J]. 現代制造工程, 2004 (7): 40-42.

WANG Guangjian, LIANG Xichang. Character vector and application in writing robot[J]. Modern manufacturing engineering, 2004 (7): 40-42.

[43]汪濤. Windows95中字符輪廓線的提取和顯示 [J]. 微計算機應用, 1999, 20(2): 86-88.

WANG Tao. The extraction and display of character contour in Windows95[J]. Microcomputer applications, 1999, 20(2): 86-88.

[44]YAO Fenghui, SHAO Guifeng. Modeling of ancient-style chinese character and its application to CCC robot[C]//Proceedings of the 2006 IEEE International Conference on Networking, Sensing and Control. Ft. Lauderdale, FL, 2006: 72-77.

[45]YAO Fenghui, SHAO Guifeng, YI Jianqiang. Extracting the trajectory of writing brush in Chinese character calligraphy[J]. Engineering applications of artificial intelligence, 2004, 17(6): 631-644.

[46]YAO Fenghui, SHAO Guifeng, YI Jianqiang. Trajectory generation of the writing-brush for a robot arm to inherit block-style Chinese character calligraphy techniques[J]. Advanced robotics, 2004, 18(3): 331-356.

[47]LAM J H M, YAM Y. Application of brush footprint geometric model for realization of robotic Chinese calligraphy[C]//Proceedings of the 2nd International Conference on Cognitive Infocommunications (CogInfoCom). Budapest, 2011: 1-5.

[48]CALDERON C A A, MOHAN R E, ZHOU Changjiu. Teaching new tricks to a robot learning to solve a task by imitation[C]//Proceedings of IEEE Conference on Robotics, Automation and Mechatronics. Singapore, 2010: 256-262.

[49]LEMME A, REINHART R F, STEIL J J. Self-supervised bootstrapping of a movement primitive library from complex trajectories[C]//Proceedings of the 14th IEEE-RAS International Conference on Humanoid Robots (Humanoids). Madrid, 2014: 726-732.

[50]MOHAN V, MORASSO P, ZENZERI J, et al. Teaching a humanoid robot to draw ‘Shapes’[J]. Autonomous robots, 2011, 31(1): 21-53.

[51]FILIATRAULT S, CRETU A M. Human arm motion imitation by a humanoid robot[C]//Proceedings of IEEE International Symposium on Robotic and Sensors Environments (ROSE). Timisoara, 2014: 31-36.

[52]CHAO Fei, CHEN Fuhai, SHEN Yuhang, et al. Robotic free writing of Chinese characters via Human-Robot interactions[J]. International journal of humanoid robotics, 2014, 11(1): 1450007-1-26.

[53]CHAO Fei, SUN Yan, WANG Zhengshuai, et al. A reduced classifier ensemble approach to human gesture classification for robotic Chinese handwriting[C]//Proceedings of IEEE International Conference on Fuzzy Systems (FUZZ-IEEE). Beijing, China, 2014: 1720-1727.

[54]ACOSTA-CALDERON C A, HU H. Robot imitation: Body schema and body percept[J]. Applied bionics and biomechanics, 2005, 2(3-4): 131-148.

[55]吳建國, 俞慶英, 吳海輝. 漢字筆畫若干數據的統計方法研究與應用[J]. 安徽大學學報：自然科學版, 2005, 29(3): 14-20. WU Jianguo, YU Qingying, WU Haihui. Statistic on some Chinese character stroke information[J]. Journal of anhui university:natural science edition, 2005, 29(3): 14-20.

[56]TAN Huan, DU Qian, WU Na. Robots learn writing[J]. Journal of robotics, 2012: 505191.

[57]PéREZ-MARCOS D, ALBERTO BUITRAGO J, DANILO GIRALDO VELSQUEZ F, et al. Writing through a robot: A proof of concept for a brain-machine interface[J]. Medical engineering & physics, 2011, 33(10): 1314-1317.

Survey of robotic calligraphy research

ZENG Hualin1,2, HUANG Yuxuan1,2, CHAO Fei1,2, ZHOU Changle1,2

(1. Cognitive Science Department, Xiamen University, Xiamen 361005, China; 2. Fujian Province Key Lab of Machine Intelligence and Robotics, Xiamen University, Xiamen 361005, China)

Abstract：By analyzing the features and significance of calligraphy robots, we reveal that robotic writing ability requires robots to have autonomous manual control to perform flexible and precise movements as well as to respond to dynamic environments. In this study, we review and analyze three aspects of current studies on calligraphy robots. First, we introduce and analyze existing robotic hardware. Next, we review related control algorithms for the motions of robotic writing. Finally, we introduce Chinese character font acquirement methods. Additionally, we discuss the advantages and disadvantages of current robotic control methods and font acquirement approaches. We point out that intelligent control technologies and imitation learning methods are the future development directions for improving robotic writing quality. In our conclusion, we predict the development of large-scale application fields and the timing for the commercial realization of calligraphy robots.

Keywords：robot; calligraphy robot; manipulators; motion control; intelligent control; imitation learning

DOI:10.11992/tis.201507067

收稿日期：2015-07-28. 網絡出版日期：2016-01-06.

基金項目：國家自然科學基金資助項目(61203336, 61273338).

通信作者：晁飛. E-mail：fchao@xmu.edu.cn.

中圖分類號：TP242.6

文獻標志碼：A

文章編號：1673-4785(2016)01-0015-12

作者簡介：

曾華琳，女，1980年生，講師，博士研究生，主要研究方向為自然語言處理、機器學習。

晁飛，男，1981年生，講師，博士，主要研究方向為智能機器人、發展型機器人學習算法、人工神經網絡和集成分類器算法。主持國家自然科學基金項目1項，發表學術論文20余篇。

周昌樂，男，1959年生，教授，博士生導師，主要研究方向為仿腦智能系統、自然語言處理、藝術認知計算。主持國家自然科學基金項目多項、“973”項目子課題1項，發表學術論文200余篇，并有多本專著。

網絡出版地址：http://www.cnki.net/kcms/detail/23.1538.TP.20160106.1555.004.html