调查基于熟悉性的导航的局限性
Amany Azevedo Amin1, Efstathios Kagioulis2, Norbert Domcsek2
1University of Sussex, Department of Informatics. aa2645@sussex.ac.uk.
Artificial life
|November 1, 2024
概括
使用以昆虫为灵感的熟悉性为基础的策略的机器人导航可以通过较小的神经网络导航更长的路线. 性能取决于视图获取速率和输入维度,在功率受限的机器人中可能节省计算成本.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算神经科学是一种神经科学.
- 人工智能的人工智能
背景情况:
- 以昆虫为灵感的导航为动力受限制的机器人提供了解决方案.
- 基于熟悉性的导航使用单层神经网络和Infomax学习规则.
- 之前的工作证明了航行到60m.
研究的目的:
- 在更长的航线上研究基于熟悉的导航的局限性.
- 确定有效的机器人导航的最佳参数.
- 告知昆虫导航理论,改善机器人部署.
主要方法:
- 挑战了导航更长路线的方法.
- 调查的性能,视图采集率和尺寸,网络大小,以及对噪声的稳定性.
- 分析了网络权重和对特定图像区域的依赖.
主要成果:
- 对于较长的路线,熟悉的视图的有效记忆是可能的,但随着输入视图尺寸的减少,它会减少.
- 为了在较长路线上保持一致的性能,需要增加视图获取率.
- 网络尺寸可以减少与同等的性能,提供计算和内存节省.
结论:
- 基于熟悉度的导航可扩展到更长的路线,并调整参数.
- 最佳性能需要平衡视图获取率,输入维度和网络大小.
- 该方法显示了对噪声的强度,并提供了对昆虫导航机制的洞察力.
