一种基于人类活动识别的神经机器人方法来选择行为
Caetano M Ranieri1, Renan C Moioli2, Patricia A Vargas3
1Institute of Mathematical and Computer Sciences, University of Sao Paulo, Avenida Trabalhador Sao Carlense, 400, Sao Carlos, SP 13566-590 Brazil.
Cognitive neurodynamics
|July 31, 2023
概括
这项研究引入了一个神经机器人模型,让机器人在人机交互期间有效地选择行为. 该模型将大脑电路模拟与人类活动识别相结合,改进了自主机器人的反应.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 神经科学是一个神经科学.
- 人与机器人的交互
背景情况:
- 有效的人机交互依赖于强大的人类活动识别和机器人行为选择.
- 当前的方法经常使用确定性链接,忽视实时预测不确定性.
- 自主机器人需要复杂的决策能力,以实现无互动.
研究的目的:
- 为机器人行为选择提供初始的神经机器人模型.
- 整合基底 - thalamus - 皮质 (BG-T-C) 电路的计算模型与人类活动识别.
- 在人机交互中解决决定性行为选择的局限性.
主要方法:
- 开发了一个模拟哺乳动物大脑电路 (BG-T-C) 的神经机器人模型.
- 将模型与先进的人类活动识别技术相结合.
- 利用机器人模拟环境与智能家居环境中的移动机器人.
主要成果:
- 神经机器人模型展示了有利的行为选择能力.
- 该模型有效地将人类活动识别与机器人行为联系起来.
- 通过更准确的活动识别和复杂的动物模型,性能得到了提高.
结论:
- 拟议的神经机器人模型为自适应机器人行为提供了一个有希望的方法.
- 整合神经生理模型可以在以人为中心的环境中增强机器人的自主性.
- 这项工作突出了生物灵感人工智能的潜力,用于先进的机器人.
