脳に触発された動機付け発達ネットワークに基づく移動ロボットの行動的意思決定

科学分野:

• ロボット工学
• 人工知能
• 計算神経科学

背景:

• 未知の環境における移動ロボットナビゲーションは、計算効率と長期学習における課題を提示する。
• 既存の手法は、高次元空間と経時的な適応性の維持に苦労している。

研究 の 目的:

• 移動ロボットのための強化された行動的意思決定モデルを提案する。
• 未知の環境における計算効率、長期学習能力、および適応性を向上させる。

主な方法:

• 深層ニューラルネットワークと神経リモデリング機構および適応ステップサイズ戦略の統合。
• Q値推定を改善するための動機付け発達ネットワークと深層Qネットワークターゲットネットワークの重み付け統合。
• ニューロンの年齢をリセットし、学習低下を緩和するための神経リモデリング機構。
• 障害物への近接度に基づく最適化された経路計画のための適応ステップサイズ戦略。

主要な成果:

• Q値推定の信頼性向上と、トレーニングの安定性および収束速度の改善。
• 学習能力低下の緩和、ロボットの適応能力と学習能力の維持。
• 動的な加減速による最適化された経路計画性能。
• 全体的な行動的意思決定モデルにおける柔軟性と安定性の向上。

結論:

• 提案されたハイブリッドモデルは、未知の環境における移動ロボットの意思決定を大幅に改善する。
• 深層学習、神経リモデリング、および適応戦略の統合は、ナビゲーション課題に対する堅牢なソリューションを提供する。
• シミュレーションおよび物理的実験により、モデルの実際のアプリケーションへの可能性が確認された。