海马形成启发的全球自我定位:从自我中心的角度来看,从被绑架的机器人问题中快速恢复
Takeshi Nakashima1, Shunsuke Otake2, Akira Taniguchi3
1Graduate School of Information Science and Engineering, Ritsumeikan University, Osaka, Japan.
Frontiers in computational neuroscience
|August 2, 2024
概括
移动机器人在远程传输后难以自我定位. 这项研究引入了一种神经科学启发的空间认知模型,通过模仿大脑功能来提高机器人的定位准确性,提高导航能力.
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.
- 人工智能的人工智能
背景情况:
- 移动机器人在意外的空间移位 (远程传输) 后,在保持精确的自我定位方面面临挑战.
- 现有的导航系统缺乏在遇到新环境时在生物生物体中看到的适应能力.
研究的目的:
- 为移动机器人开发一个空间认知模型,其灵感来源于对海马位置细胞的神经科学研究.
- 为了提高移动机器人在动态导航场景中的自我定位精度和适应性.
主要方法:
- 使用大脑参考架构驱动的开发构建了一个空间认知模型.
- 集成了一个循环状态空间模型 (世界模型) 与蒙特卡洛定位.
- 在神经符号出现框架内使用潜在变量建模海马的cornu ammonis-1和-3区域.
主要成果:
- 开发的空间认知模型在模拟远程传输过程中证明了移动机器人更好的自我定位性能.
- 该模型成功地为角氨-3区域的潜在变量生成了稀疏的神经活动模式,反映了生物发现.
- 这种方法显示出在远程传输后推断偏心自我位置的能力有所提高.
结论:
- 神经科学启发的空间认知模型可以显著推进移动机器人自我定位技术.
- 模仿生物空间记忆机制,如海马,为强大的机器人导航提供了一个有希望的方向.
- 这项研究有助于开发更具适应性和弹性的自主系统.
