基于仿人腦認知計算模型的機器人視覺學習方法.pdf

1、類人的智能一直是人工智能和機器人領域的研究目標。目前,比較成熟應用的機器人主要是在特定環(huán)境下的,針對特定任務的機器人。隨著對智能化水平需求的不斷提高,越來越需要能在高度復雜環(huán)境下工作,執(zhí)行非特定任務和具有高度自治性的類人智能機器人。而采用傳統(tǒng)人工智能方法設計的機器人存在任務確定、離線學習、智能擴展性差、無法適應多變的環(huán)境等局限。受認知科學、神經(jīng)生物學和心理學等學科交叉的啟發(fā),研究人員開始著眼于認知機器人這一新的思路解決上述問題與局限。本

2、文的研究工作也是在認知機器人這一新興領域作一初步探索,提出自己的解決方法。
　　 借鑒認知科學和神經(jīng)生物學中人腦認知機理相關理論,建立基于海馬.前額葉記憶系統(tǒng)的認知計算模型。以此模型為基礎提出視覺感知的自主學習算法,模擬人腦處理信息和控制學習過程的認知機制。使機器人能夠在線地自主探索與學習視覺知識,并根據(jù)其自身與環(huán)境的不斷交互來主動調整學習策略,不斷積累經(jīng)驗和發(fā)育智能。
　　 論文所做的具體工作與貢獻如下:
　　

3、 (1)在詳細了解目前認知科學與神經(jīng)生物學中有關人腦工作機理后,提出基于海馬-前額葉記憶系統(tǒng)的認知計算模型。模型由感知映射、工作記憶及生長式長時記憶構成,模仿人腦的記憶結構和功能,實現(xiàn)復雜的信息加工機制。
　　 (2)針對將高維視覺感知映射為低維表達的問題,提出基于自適應子空間在線PCA算法,將視覺感知在線映射為內部表達,供記憶系統(tǒng)繼續(xù)加工。該算法根據(jù)新樣本與已學習樣本的差異程度,自適應調整子空間更新策略,既能增量地在線地將視覺

4、感知映射為內部表達,又能識別視覺物體或場景等。實驗表明該算法能處理未知樣本問題,實現(xiàn)了視覺輸入在線感知、積累和更新,逐漸增強系統(tǒng)感知與識別能力。
　　 (3)提出基于海馬-前額葉神經(jīng)回路的工作記憶數(shù)學描述。采用多巴胺調控機制的Q學習描述前額葉的工作機理,視覺陌生度內部動機來描述海馬功能,并用此內部動機驅動和控制前額葉Q學習過程,模擬人腦工作記憶功能。在此基礎上提出一種視覺陌生度驅動的增量自主式視覺學習算法,使得機器人能夠根據(jù)其自

5、身對環(huán)境的視覺陌生度來主動調整學習策略。移動機器人視覺場景學習實驗驗證算法具有自主探索與學習性能,主動引導機器人學習新知識的方式與能力,以及在線積累知識并發(fā)育其智能的能力。
　　 (4)針對機器人知識存儲、積累和發(fā)育問題,模擬人腦長時記憶及其與工作記憶相互協(xié)調機理,提出一種視覺陌生度驅動的生長式長時記憶的自主學習算法,將自主學習到的視覺知識不斷積累到長時記憶中,實現(xiàn)與人類相仿的自主學習、生長式記憶與智能發(fā)育能力。實驗結果表明機器

6、人具備生長式長時記憶后,能將自主學習到的知識增量存儲、更新,智能發(fā)育、識別、泛化和知識擴展能力得到提高。
　　 (5)針對復雜非特定任務的學習問題,首先提出一種基于生長式長時記憶的感知-動作映射自主學習算法,學習感知和其對應動作的關聯(lián),實現(xiàn)從簡單感知知識到較為復雜的感知-動作映射的自主發(fā)育式學習。然后提出從感知-動作映射學習復雜任務執(zhí)行的方法,通過學習感知-動作映射序列來實現(xiàn)復雜任務的學習,使機器人實現(xiàn)從執(zhí)行簡單任務到完成復雜任