一种可以替代机器学习的新方法提高其自主能力-资讯中心-大学仕

资讯中心

当前位置：

大学仕上下料 ai机器人印钞机 KN95口罩

一种可以替代机器学习的新方法提高其自主能力

大学仕 2020-11-16 16:07

0点赞 789浏览

东京大学智能系统与信息学实验室，和下一代人工智能研究中心的研究人员在受动物（包括人类）启发的机器人中探索。机器人专家通常使用预定义的模块和控制方法来设计机器人行为，这使得它们具有特定的任务，限制了它们的灵活性。

为了克服这一挑战，研究人员提出了一种基于机器学习的替代方法，通过利用复杂的时间模式（如动物大脑的神经活动）来设计自发行为。通过这项研究，他们希望这种设计能在机器人平台上实现，以提高它们的自主能力。

设计机器人及其控制器是一个动态系统，其工作在描述不断变化的内部状态的数学模型上。通常被归类为高维混沌，这是动态系统的一类，研究人员一直在探索基于该系统的动物大脑建模。由于系统高度复杂且对初始条件的变化非常敏感，因此如何控制高维混沌是一个重要的挑战。这种现象在科学界被称为“蝴蝶效应”。

在最近的研究中，研究人员已经使用了超时空的行程来设计机器人的自发行为。正如他们所解释的，混沌行程（CI）是高维非线性动力系统中经常观察到的现象，其特征是多个准吸引子之间的巡行跃迁。几项研究表明，动物大脑呈现出混乱的行程，这被认为在动物自发行为中起着至关重要的作用。CI还负责记忆回忆过程中的大脑活动，是实现自发行为模式的关键工具。

利用混沌路径设计机器人一直是神经机器人研究者们研究和实现自主行为控制的一个重要领域。然而，对高维非线性动力系统的控制是一个具有挑战性的课题。通过这项研究，他们提出了一种在高维混沌神经网络中实现混沌行程的方法。该方法通过调整系统参数的有限个数，可以方便地设计拟吸引子的轨迹和转移规则。他们也使用了内在的高维混沌。

研究人员正利用高维混沌产生的复杂时间序列模式，简单而系统地实现CI。“我们认为，当涉及到设计认知架构时，我们的方法具有更强大和更通用的应用程序的潜力。博士生井上胜说：“它允许我们设计自发行为，而控制器中没有任何预先定义的明确结构，否则会成为阻碍。”

人工智能机器人现在在班加罗鲁的这所学校教书，研究人员还探索了水库计算（RC），这是一种机器学习技术，建立在动态系统理论的基础上，实现类似人类的认知功能。与传统方法相比，该方法也使过程更稳定，计算量更小。这是通过使用反向传播来训练网络参数来完成的。此外，RC被用来控制递归神经网络，并且在保持RNN的所有其他连接不变的情况下，只调整一些参数。
虽然实现自发性一直是机器人领域的一个挑战性的任务，甚至还没有被探索，但研究人员指出，将储层计算应用于混沌RNN显示了他们希望的那种自发行为模式。网络可以在短时间内训练出来，这使得研究人员很有可能对其进行进一步的探索。

“我们提出的模型可以让我们深入了解混沌是如何影响我们大脑中的信息处理的，”副教授中岛科海（Kohei Nakajima）说。他们希望他们的研究能在神经科学领域之外产生更广泛的影响，在那里它可以被用于下一代受生物神经元启发的神经形态装置。他们还希望随着该领域研究的进展，在人工实现大脑功能方面看到更多创新。
（文章来源于机器人在线网）

分享到: 微信新浪微博 QQ空间人人网开心网豆瓣更多...

继续阅读与本文标签相同的资讯