4 神经机器人幻灯片.pptVIP

神经机器人技术研究介绍 汇报要点 1.研究背景 1.研究背景 神经机器人技术的神经系统研究包括以下内容： 自主心智发育算法（如：连接主义网络、人工强化神经网络） 生物神经网络的计算模型（如：神经网络微电路的大规模仿真） 真实生物系统（如：体内和体外的神经网络） 1.研究背景 1.研究背景 神经机器人技术是不同研究方向的汇合点，这些研究方向从20世纪80年代和90年代就已经从原有学科中分离出来。形成了以下研究方向。 人工神经网络和计算神经科学模型：这些模型描述的是神经系统但没有得到具体应用 用于实践的发育机器人系统：得到了具体应用，机器人富有自主性，但不是类脑机器人 杂种生物人工系统：作为具体的神经系统，但是几乎没有自主性 1.研究背景 近一些年来，上述这几个方向的研究都取得了很大的进展。大多数高级计算机现在均能仿真大型且逼真的神经网络。 同时，在这种外成机器人上进行了一些有前景的实验，其实验内容从神经系统对孤立任务使用传统方式的学习转移到神经系统开放的成长轨迹上。 早期在杂种系统上的研究都关注对共生的生物—人工系统的研究，而该系统在更早以前仅仅在科幻小说中出现过。 1.研究背景 神经机器人最大的挑战是建立一个有事实依据的具体实验科学。单独地讲，神经系统倾向于表现出切实通用、可塑和功能齐全的特点。 然而，一旦神经系统用于实践且与所给内部或者外部的环境形成某种联系，那么他们会得到具体化且能适应这种环境。 神经机器人技术通过用实验变量表示神经系统和具体环境这一新方法来理解神经系统与环境相互作用的过程。 1.研究背景 上世纪50年代以来，机器人基本上被看成固定的躯体，在躯体上能植入不同的程序，就像一台计算机的软件与硬件一样。 二元论已使两类人（建立智能程序的人工智能研究者、构建精细身体的机器人专家）之间产生了一种走向极端的分歧。 1.研究背景 在上世纪80年代，少数研究人员尽力从当时出现的技术死胡同解脱出来，以具体化的人工智能或者新人工智能的名义提出了智能重新组合的观点。他们认为躯体和控制系统从本质上来讲是不分家的，好比同一硬币的两面。 1.研究背景 恢复对完整智能体的设计确实使人们取得了一些成就，这些成就能比较明显地体现在运动、感觉运动的学习和在未知复杂环境中的导航方面。 然而，即使这种整体性的方法证明它对复杂适应性行为的设计是有效的，他们也不足以能对机器人的学习进步过程进行透彻的说明。 1.研究背景 例如，在小孩几个月大时，他们学会爬、站立、行走、跳跃、蹦跳、奔跑等等。当他们以持续递增的方式学会这些新技能后，他们在感觉运动空间上的变化使自己去尝试探索新的领域。人的这种能力在使用工具或者获取交流技能方面会体现的更明显。 1.研究背景 据此，发育和外成机器人技术领域的很多研究者提出了一系列模型，在这些模型中智能体一方面基本上是一个中心的组合体，另一方面包括一套使其发育的稳定过程以及一套实时变化的可变体包膜（variable body envelopes）。 这种新观点推翻了传统的固定身体的观点。传统观点认为：在体内不同的软件可以被用来构建一个固定身体的软件，这个固定软件能用在不同的智能体上，可能也能随时发生变化。 1.研究背景 神经机器人技术的实验促进了我们对以下问题的理解： 神经元学习动力； 作为物理化身的机器人与环境因素的交互如何影响机器人系统在特殊方式下的成长轨迹； 同时，在一些情况下导致机器人对技能的开放式习得，但在其他情况下又表现出异常的成长轨迹。 1.研究背景 此外，神经机器人技术有望为一个新品种的自我发育装置提供技术支持，该机器人也能以连续的以及开放性的方式获取新的特有技能。 对自我发育装置设计方式的理解以及这些装置对我们日常活动的影响是今后几年的研究重点。 2.当前主要研究内容 2.1 神经网络系统研究 2.2 硬件设计与开发 2.3 数据获取与处理 2.4 综合研究 2.1 神经网络系统研究 自主心智发育。如连接主义网络、人工强化神经网络算法。 生物神经网络的计算模型。如神经网络微电路的数学建模与大规模仿真。 2.1 神经网络系统研究 真实生物系统研究。如：体内和体外的神经网络。研究内容包括以下几个方面。 神经元学习和记忆的神经生物学 神经网络的视觉功能和运动功能组合 记忆的障碍与扰乱正常记忆系统的方法 重新构造心智能力逐渐丧失的状态的方法 对神经组织如何退化或者处理这种退化的研究 神经元学习和记忆经验的方法 2.2 硬件设计与开发 多电极阵列技术，如神经元集成的涂层方法等 神经元与机器人之间通信的声纳设备设计与开发 荧光成像技术 神经活动高速成像技术 机器人硬件设备开发 多电级阵列培养的生命保障系统（软件与硬件设备） 2.3 数据获取与处理 实时神经信号获取与处理（时延与光学记录）