视听注意力 (MAVA) 的发展模型,用于婴儿和机器人的双模语言学习
Raphaël Bergoin1, Sofiane Boucenna2, Raphaël D'Urso1
1ETIS, UMR 8051, ENSEA, CY Cergy Paris Université, CNRS, Cergy-Pontoise, France.
Scientific reports
|September 6, 2024
概括
这项研究引入了一种新的神经架构,使机器人能够模仿人类的视听注意力,增强复杂环境中的信息处理. 该模型有效地识别了相关的语音源,超过了现有的人工注意力系统.
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
- 认知科学 认知科学
背景情况:
- 人类通过注意力机制有效地管理环境信息.
- 机器人需要类似的能力来完成复杂的视听任务.
- 现有的人工模型缺乏强大的视听关注.
研究的目的:
- 为机器人开发一种复制人类视听注意力的神经架构.
- 使机器人能够识别其环境中的相关信息来源.
- 在杂的视听环境中提高机器人的性能.
主要方法:
- 提出了视听注意力 (MAVA) 的发展模型.
- 结合Hebbian学习与突出地图竞争 (视觉运动,音频能量).
- 集成的自下而上的和自上而下的信息处理.
主要成果:
- MAVA成功地向相关信息领域定位.
- 该系统展示了在线,自主学习,低计算时间.
- 马瓦 (MAVA) 显示出对环境噪声的强度.
- 在噪音下检测语音源方面表现优于其他人工模型.
结论:
- 在机器人中,MAVA有效地复制了类似人类的视听注意力.
- 该模型在学习,效率和噪声强度方面具有优势.
- MAVA代表了机器人人工注意力系统的重大进步.
更多相关视频
08:20A Within-subjects Experimental Protocol to Assess the Effects of Social Input on Infant EEG
Published on: May 3, 2017
7.7K
10:11Portable Intermodal Preferential Looking IPL: Investigating Language Comprehension in Typically Developing Toddlers and Young Children with Autism
Published on: December 14, 2012
18.4K
