针对单个姿势的适应性手眼协调神经模型

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能
• 神经科学是一个神经科学.

背景情况:

• 开发机器人手臂的有效控制系统对于自动化至关重要.
• 现有的方法往往需要大量的培训数据或教师的监督.
• 适应性协调是机器人在动态环境中工作的关键.

研究的目的:

• 开发一种神经网络模型,用于多关节手臂的无监督,自适应的视觉运动协调.
• 为了使模型能够学习精确的手臂定位和方向,以达到任意的目标.
• 为各种感官输入和四肢配置创建适用于各种感官输入和四肢配置的通用框架.

主要方法:

• 使用了一种新的神经网络架构.
• 实施了一种修改神经连接强度的新算法.
• 计算机模拟用于训练和评估模型的性能.

主要成果:

• 该模型在没有教师的情况下实现了自适应视觉运动协调.
• 平均位置误差为手臂长度的4%.
• 平均定位误差为4度.

结论:

• 开发的神经网络模型成功地展示了对机器人手臂控制的无监督学习.
• 该模型的性能表明在达到和定位任务时的高精度.
• 架构是为一般化而设计的,有望在机器人和人工智能领域得到更广泛的应用.