智能機器人綜合設計課程題庫系統與評價體系建設

文章編號：1671-489X（2025）06-0016-05 DOI：10.3969/j.issn.1671-489X.2025.06.016

0 引言

新一代信息技術與制造業的深度融合，正在引發產業變革。當前，我國制造業正處于轉型升級的關鍵時期，傳統制造業逐步向智能化方向發展，“黑燈工廠”從中高端制造業向中低端產業擴散[1-2]。機器人技術在這一過程中扮演著重要角色[3-4]。因此，加快機器人技術的研究并培養高素質的機器人技術領域人才，已成為我國普通高等學校的緊迫任務[5]

自20世紀70年代以來，我國機器人技術經歷了從無到有、從小到大、從弱到強的發展歷程。經過50年的長足發展，我國已成為全球最大的工業機器人消費市場，機器人前沿技術受到越來越多科技工作者的關注。與此同時，機器人技術領域人才培養已逐漸延伸至本科教學階段，相關課程的建設與發展成為機械類專業轉型的關鍵[6-7]。

為滿足國家與社會的需求，大學機械設計制造及其自動化專業在新工科背景下，結合大學“厚基礎、寬口徑、高素質、創新型”復合人才培養目標，設置了智能機器人模塊課程。該模塊以培養機器人產業領域的創新創業型人才為目標，包含機器人學，機器人傳感、視覺與控制等基礎課程。在基礎課程之后，還設置了智能機器人綜合設計課程，構建一套從機器人學理論到設計實踐與實際項目相結合的立體課程體系，探索機器人技術領域人才培養的有效模式。

1課程教學現狀分析

大學機械設計制造及其自動化專業自2018年起開設智能機器人模塊課程。課程組結合多年的教學實踐對課程進行深入分析與總結，發現授課內容和教學模式是增強教學效果的關鍵因素。目前，機器人技術相關課程的內容多以傳統工業串聯機器人為基礎，講解機器人運動學、動力學、軌跡規劃、傳感與控制等基礎知識[8]。然而，機器人技術發展迅速且與產業緊密結合，現有授課內容難以涵蓋不斷涌現的新知識。此外，由于機器人技術的基礎知識量大且需要嚴謹的理論推導與分析，目前的教學模式仍以教師講授為主，在這種模式下，雖然大多數學生能夠掌握相關知識，但缺乏實踐機會，難以將其應用于實際場景[9]。

針對上述問題，增加實踐性教學環節是一種有效的解決方案[10-11]。大學進一步整合機器人技術實踐訓練，設置獨立的實踐課程，為學生提供一個整體運用和理解機器人技術的平臺[12]。本專業開設的智能機器人綜合設計課程以項目式教學為主要形式，由八位經驗豐富的教師指導。學生以個人或小組形式選擇感興趣的課題，進行為期一個月的項目式訓練，完成從方案調研到實現的全過程。該課程為學生提供了實踐平臺，彌補了學以致用的不足，讓學生有機會接觸最新的機器人技術知識，培養了實踐能力，提高了參與度和臨場感。甚至有學生通過這一機會提前參與科研項目，取得了論文和專利成果。

在實踐課程實施過程中也暴露出一些問題。從結課報告、答辯和設計成果來看，雖然大多數學生能夠較好地提出并實施設計方案，但仍有部分學生參與度不足。經過調研，課程組發現主要原因包括：1）課題主要來源于教師的科研項目或社會服務項目，選題范圍無法滿足學生的個性化需求，導致學生積極性不高；2）課題特點和難度不清晰，學生僅通過名稱選擇課題，部分學生選到了不感興趣或與自身能力不匹配的課題，導致完成度較差；3）課題難度差異較大，不同難度課題的完成度難以有效評估，彼此之間難以橫向對比，無法形成有效的閉環控制，也難以實現教學相長的目標。

2智能機器人綜合設計題庫系統總體設計

2.1 設計原則

針對智能機器人綜合設計課程實施過程中出現的具體問題，并結合教師的教學經驗，構建一套全面、特征化、易擴展的智能機器人綜合設計題庫系統和完善的評價體系顯得十分必要。運用該題庫與評價體系，可以滿足學生需求、匹配學生特征、有效評估學習效果，同時減輕指導教師的教學壓力，提升教學質量。在設計題庫系統之前，課程組制定了一套基礎設計原則，并在后續設計中嚴格遵循這些原則，具體如下。

2.1.1 適應性

本課程采用項目式訓練，由于學生的能力差異和項目內涵的不同，導致課程實施效果不理想。因此，題庫系統的設計必須具備較高的適應性，以增強教學效果。

1）專業契合：題庫系統的設計需緊密貼合機械專業的培養方案，內容應與前期基礎知識相結合，課題的培養目標應與專業目標高度一致。

2）個性化滿足：課題應具有明確的特征，從機器人技術的要素出發設置不同側重點的課題，以滿足學生的個性化興趣和適應不同能力基礎的學生。

3）強調前沿性與共通性：課題設置應緊跟社會需求變化，適應機器人技術的快速發展。強調技術的前沿性和共通性，通過課程實踐使學生具備應用相關技術的基礎能力。

2.1.2 系統性

廣泛的適應性需建立在扎實的專業基礎之上。機器人是一個復雜的機電系統，涵蓋機械工程、測試技術、控制工程和計算機科學等多個學科內容。因此，課題設置需綜合考慮運動學、動力學、傳感器技術、控制理論等多方面的應用。為了識別不同課題的特點并強化能力的差異化要求，需對課題進行系統性的辨識。

圍繞智能機器人綜合設計課程要求，將機器人系統劃分為運動子系統（以結構為主體）、控制子系統（實施動作或功能控制）和傳感器感知辨識子系統（與環境交互）這三個基本子系統。隨后，將相關知識要素按系統進行分解。

通過對課題的知識要素分解，提取各個課題所涉及的特性，并分配不同的權重，使得學生能夠根據自身需求有針對性地選擇課題，同時為對不同課題的完成質量進行統一性評價提供可能。

2.1.3 功能性

題庫系統解決課程實施過程中出現的問題，應具備以下三個方面的功能。

1）助學功能：協助學生學習智能機器人核心子系統和相關知識要素，適應學生在學習能力和專業能力上的差異，幫助學生匹配合適課題，使學生對智能機器人系統有充分、全面的認識。

2）助教功能：輔助教師完成智能機器人綜合設計課程教學任務，提升教學質量。

3）評價管理功能：包含相應的考評與教學評價功能，使教學效果可評價與量化。教師可根據學生對知識的掌握情況，及時對題庫系統或教學內容進行迭代優化，確保題庫系統的有效性、實時性與先進性。

2.2 題庫系統設計

智能機器人綜合設計題庫系統建設是在上述設計原則的指導下進行的。機器人技術相關課程涵蓋的內容包括傳感器、驅動器、位姿變換、運動學、靜力學、動力學、控制技術、軌跡規劃等基礎知識。根據機器人系統的構成，這些基礎知識要素可以進一步分解，如圖1所示。

在設置題庫系統中的課題時，必須依據圖1進行要素分析。每個課題都包含運動系統、控制系統和辨識系統這三個子系統，機器人技術的主要知識要素分布在這些子系統中。不同課題中知識要素的權重不相同，也就是說，課題的共性體現在知識系統的組成上，而差異則體現在同一知識要素在不同課題中的權重分配上。后續的評價體系也是基于基礎知識要素的權重進行構建的。

以題庫中的兩個課題“打磨機器人柔性控制”“移動機器人場內定位方法研究”為例，介紹不同課題在基礎知識要素設置上的差異。在“打磨機器人柔性控制”課題中，所使用的機器人是典型的工業機器人，正逆運動學求解是工業機器人機械臂軌跡規劃與控制的基礎。而在“移動機器人場內定位方法研究”課題中，雖然也涉及相關技術，但其機器人主體構型與典型工業機器人有很大不同，它沒有機械臂結構，而是配備了移動底盤這種工業機器人通常不具備的組件。因此，對移動機器人而言，其運動學知識要素的學習內容很少涉及機械臂的正逆運動學求解，而是將軌跡規劃這一知識要素的重點從工業機器人的機械臂運動軌跡規劃轉移到了移動機器人在特定場景下自主規劃行進路線的問題上。盡管知識要素的構成相似，但其內涵存在明顯差異。通過對其權重的差異化設置，可以充分體現不同課題的特點。

1）打磨機器人柔性控制。

① 運動系統（ 32% ）：姿態變換（ 19% ） + 運動學（ 7% ） + 動力學（ 4% ）+驅動器（ 2% ）。

② 控制系統（ 37% ）：運動控制（ 11% ） + 軌跡規劃（ 15% ） + 智能控制（ 7% ） + 機器學習（ 4% ）。

③ 辨識系統（ 31% ）：傳感器技術（ 11% ） + 機器人視覺 （7%）+ 深度學習 （6%）+ 機器人定位 （7%） 。

2）移動機器人場內定位方法研究。

① 運動系統（ 13%） 姿態變換 （1%）+ 運動學 （3%）+ 動力學（ 3% ） + 驅動器（ 6% ）。

② 控制系統（ 38% ）：運動控制 （5% ）+軌跡規劃（ 10%）+ 智能控制（ 10% ）+機器學習（ 13% ）。

③ 辨識系統（ 49% ）：傳感器技術（ 13% ） + 機器人視覺（ 10% ） + 深度學習（ 13% ） + 機器人定位（ 13% ）。

在知識要素權重體系的支持下，不同課題的內涵得以清晰體現，為題庫的擴充提供了明確的評估標準。無論是教師新增課題還是學生自選課題，通過知識要素的分解，都可以輕松識別課題的核心考查知識點和技術難點，從而為大規模擴充課題提供了可能。學生在選擇題目課題時，可以根據自己的興趣和對不同知識要素的掌握程度，更靈活地選擇合適的機器人課題進行學習，提高實際訓練效果。相應的評價工作可以由系統根據權重自動計算并生成相應報表，減輕指導教師的工作壓力，幫助教師快速掌握學生對知識要素的掌握情況。此外，豐富的應用課題和特征圖譜也為非機械專業學生在選修本課程時提供了有效的參考，滿足了人工智能等相關專業學生的興趣和需求。

2.3 題庫系統構成

為了提升題庫的可維護性并方便學生選題，課題組進一步構建了智能機器人綜合設計課程題庫系統，其基本構成如圖2所示。

整個系統的主要模塊包括：

1）登錄：添加、驗證師生和管理員信息，限制非授權用戶訪問；

2）題庫系統管理：實現機器人題庫系統的課題增加、刪除、修改、查找等基本管理功能；

3）交互界面：根據學生的興趣愛好和能力特點，提供選題與擴展的交互功能；

4）課題生成管理：支持學生個性化定制機器人選題的生成與管理功能；

5）評價體系：構建對學生個體成績和班級總體成績的評價體系。

整個系統的核心是課題數據庫與評價體系。其中課題數據庫的結構設計需要滿足學生根據自己的興趣和掌握知識點進行個性化定制的需求，并能夠精準匹配相應的課題。教師能夠靈活地添加修改課題內容，并設置相應知識要素的權重。而評價體系中既包含對學生個人知識掌握情況的評價，也包括對所有學生掌握知識點情況的統計評價。通過相應的報表數據，指導教師能夠及時掌握每個學生和全體學生對各個知識要素的掌握情況，為后續的教學改革與優化提供依據。

3 評價體系

評價體系是實施教學管理、評價教學效果、提升教學質量的重要工具。在項目式教學的具體實施中，統一的評價標準是一個難點。由于不同難度的課題難以進行橫向對比，最終難以形成有效的閉環。基于前述特征化的題庫設計，課題組構建了如下評價體系。

1）學生個體層面。針對單個學生所選課題中不同分目標的完成程度，指導教師根據學生的完成情況給出分數并進行點評。系統結合各目標在知識要素權重體系中的占比進行加權計算，再由指導教師根據學生對各個知識要素的掌握情況得出綜合評價，以表征單個學生的個體表現。

2）班級整體層面。評價體系會生成參與課程的所有學生的相關統計數據，例如：哪些機器人課題被選擇得最多、涉及哪些知識要素最多、大多數學生對哪些知識要素掌握不佳等。這些結果以直觀的數據形式展示，表征所有學生的整體表現。指導教師可以根據這些統計數據直觀地看出學生對哪些技術領域更感興趣、知識要素的薄弱點在哪里。這些分析可以作為優化教學內容和題庫系統的依據。

以“打磨機器人柔性控制”課題為例，圖3展示了某學生在該課題中涉及的每個知識要素的達成情況。圖中每條柱的高度對應該項要素在該機器人課題中所占的權重，柱中的藍色部分表示完成情況。從圖3可以清晰地看出該學生在每個部分的完成情況，通過完成率與要素權重的計算可以直接得出該學生該課題的分數。

從結果可以看出該學生在某些環節（如姿態變換與運動控制）的完成度較低。這種情況會引起指導教師的注意。結合整個班級的完成率情況，可以判斷是該學生對這部分知識掌握不夠牢固，還是由于其他因素導致大部分學生對該知識點掌握不足。對學生所選課題和知識要素的統計，可以直觀地顯示學生的興趣點。通過這種異常數據的反饋與對比，指導教師可以及時發現教學問題，進而調整教學內容或修改課題內容，從而有效提升教學質量。

4結束語

智能機器人綜合設計是大學機械設計制造及其自動化專業學生開展智能機器人技術實踐的重要課程。本文結合該課程實施過程中的具體實踐經驗，構建一套全面、特征化且易于擴展的智能機器人綜合設計題庫系統，并完善了相應的評價體系。該題庫系統能夠有效滿足學生的個性化需求，靈活且精準地匹配綜合設計課題，并提供量化的評價標準。通過題庫系統的評價功能，不僅可以檢測每個學生對機器人知識要素的掌握程度，還能發現日常教學指導中難以察覺的問題。這有助于持續優化課程內容并改進題庫系統，從而顯著提升智能機器人模塊課程的教學質量。

5 參考文獻

[1]周濟．智能制造：“中國制造2025”的主攻方向［J].中國機械工程，2015，26（17）：2273-2284.

[2]張曙.工業4.0和智能制造[J].機械設計與制造工程，2014，43（8） ：1-5.

[3]馮曰海，王克鴻，周琦，智能制造背景下現代企業實踐教學改革與實踐[J].實驗室科學，2020，23（6）：166-169.

[4］張永春，馮鈞，王剛，等．智能制造與機器人技術實踐創新訓練中心的建設[J].實驗技術與管理，2017，34（7）：20-23.

[5]張武翔，徐坤.機器人學課程教學改革研究與實踐［J].安徽工業大學學報（社會科學版），2019，36（4）：68-69.

[6]蔡自興.中國機器人學40年[J].科技導報，2015，33（21）：23-31.

[7]戰強，閆彩霞，蔡堯．機器人教學改革的探索與實踐[J].現代教育技術，2010，20（3）：144-146，139.

[8]蔡自興．機器人學[M].3版．北京：清華大學出版社，2015.

[9]雷靜桃，劉亮，張海洪．“機器人學”課程教學改革與實踐［J].實驗室研究與探索，2013，32（5）：179-182，190.

[10]劉敬露，王國超，楊曉.基于混合學習的工業機器人實踐教學模式研究[J].實驗科學與技術，2018，16（1）：99-101，106.

[11]段振霞，劉銀華，楊鳴.基于項目驅動的機器人實驗課程教學實踐與研究[J].實驗室科學，2022，25（5）：144-147.

[12]NOURBAKHSHIR，CROWLEYK，BHAVE A，et al．TheRobotic Autonomy Mobile Robotics Course：RobotDesign，Curriculum Design and EducationalAssessment[J].Autonomous Robots，2005，18（1）：103-127.