基于构建型神经网络的发育型机器人指向系统的设计与实现

摘要

机器人源于上世纪20年代(1921),是能够自动执行工作任务的设备,传统机器人通过一定技术的驱动,完成预编的动作程序或者执行单独对应的指令。在近100年的发展中根据功能分为了:家用型机器人、工业机器人、人形化机器人、军用机器人等。其中家用型机器人旨在通过人类简单的语音或是动作命令、根据已有的环境完成简单的家务;工业机器人是机器人中发展较快、具有极大社会效益、目前也较成熟的机器人,工业机器人是面向工业领域的、通常具有多关节机械手或多自由度的机器人;人形化机器人的重点在于模拟人类身体外形、关节自由度、皮肤、感知系统等等,以实现对人本身的研究和探索,同时通过这些研究达到强化人工智能技术的作用;而军用机器人则需要预定特定的任务,熟悉任务中所在的环境,以及良好实时反馈操作能力,使其完成人类本身暂时无法完成的任务。
　　 多数机器人的相关研究都重点于通过机器人完成特定的任务,却不重视人类智能形成的过程的模拟。本文研究将通过发展型机器人的已有知识,在仿真环境中实现一种机械臂型的发展型机器人,重点在于模拟人类发育过程中的一个重要环节:指向动作的发育。指向动作是人类发育过程中形成语前准备的重要阶段,选择该阶段的动作发育能够为今后的研究工作起到铺垫作用。
　　 本文同时介绍一种采用构建型神经网络EMRAN(Extend Minimal Resource Allocating Network)和强化学习Q-Learning组合的学习系统,同时对该神经网络进行优化,讨论使用该神经网络模拟人类智能、实现具体功能的可行性。
　　 通过结论中数据的分析,观察指向功能实现的准确性,对比了多种神经网络的拟合性能，研究对于EMRAN和Q-Learning的学习模拟人类发育过过程、实现指向功能的可行性给予肯定的结论。