在开发基底神经节启发的机器人控制中尽量减少人类干预

摘要

一种基于脊椎动物基底神经节的机器人动作选择的生物启发机制已经被提出(普雷斯科特)等．2006年,蒙特斯冈萨雷斯等．2000)。在这个模型中，机器人面临的任务被分解成不同的行为模块，这些模块整合了来自多个传感器和内部状态的信息，形成“突出”信号。这些信号作为输入输入到基底神经节的计算模型，其内在过程导致选择解除抑制获胜行为。然后这个赢家被允许进入发动机工厂，同时失去行为被抑制。在之前的研究中，我们专注于这种仿生选择体系结构的发展，因此使用了行为模块，这些模块被手工编码为算法程序。在当前的文章中，我们演示了使用遗传算法和梯度下降学习来自动生成/调整一些生成模型行为的模块。

应用仿生学和生物力学

摘要

版权

更多相关文章