走路和跌倒:使用机器人模拟来模拟婴儿走路中错误的作用
Ori Ossmy1, Danyang Han2, Patrick MacAlpine3
1Centre for Brain and Cognitive Development & Department of Psychological Sciences, Birkbeck, University of London, London, UK.
Developmental science
|September 26, 2023
概括
婴儿学习新技能,比如走路,从犯错误中获益. 一项模拟机器人研究发现,对错误的零处罚优化了学习和概括,这表明低错误处罚有助于技能获取.
科学领域:
- 发展心理学 发展心理学
- 机器人技术 机器人技术 机器人技术
- 机器学习 机器学习
背景情况:
- 婴儿技能获得涉及频繁的错误,如在早期的行走尝试中跌倒.
- 行为观察表明,这些错误的后果很小,但它们对学习的影响尚不清楚.
研究的目的:
- 用模拟模型确定婴儿技能学习错误的最佳处罚.
- 调查不同的错误处罚如何影响学习和走路技能的概括.
主要方法:
- 一个模拟的双脚机器人被训练在婴儿生成的路径上行走.
- 对于跌落错误的处罚在12,500次模拟中被系统地改变.
- 在训练有素和新的步行路径上评估了表现.
主要成果:
- 降低掉落错误的罚款提高了熟悉和新路径的行走性能.
- 对错误的零处罚导致了最好的学习和概括结果.
- 低误差处罚的好处在概括方面比初始学习方面更为明显.
结论:
- 对错误的低处罚,特别是零处罚,优化了复杂运动技能的学习和概括.
- 这些发现支持这样一个假设,即忽视错误有助于婴儿获得灵活和适应性的技能.
- 模拟机器人模型提供了一个强大的工具,用于研究发展过程,如技能获取.
