近年来，形状记忆合金（ shape memory alloy，SMA）由于噪声小、回复应变大和生物兼容性妤等优点，得到了广泛的使用和研究。为了研究SMA在软体机器人领域的应用，首先对SMA在国内外

作为模型的初始化词向量。但是，随机词向量存在不具备语乂和语法信息的缺点;预训练词向量存在¨一词-乂”的缺点，无法为模型提供具备上下文依赖的词向量。针对该问题，提岀了一种基于预训练模型BERT和长短期记忆网络的深度学习

模仿学习提供了一种能够使智能体从专家示范中学习如何决策的框架。在学习过程中，智能体无需与专家进行交互也不依赖于环境的奖励信号，而只需要大量的专家

框架，同时添加碰撞预测作为模型辅助仼务;然后，在智能体学刁导航过程中，利用时间相关性网络祛除冗余观测及寻找导航节点，实现通过情景记忆递増描述环境

多运动模式行人航位推算算法采用零速校正消除累计误差，但零速校正错判会导致误差。针对该问题，提出一种基于长短时记忆网络的自适应零速检测算法。构建长短时记忆网络提取不同运动模式下零速区间的三轴加速度、三