通过带有人造皮肤的仿人机器人自我触摸进行身体模型学习的主动探索

婴儿发育的机制远未被理解。了解自己的身体很可能是后续发展的基础。这里我们专门研究早期婴儿期自发性触摸身体如何可能产生最初的身体模型，并引导进一步的发展，如伸手能力。与视觉引发的伸手不同，伸手到自己的身体只需要触觉和运动空间的连接，绕过了视觉。然而，运动系统的高维性和冗余性问题仍然存在。在这项工作中，我们提出了一个具身计算模型，该模型在一个模拟的仿人机器人上实现，其身体大面积覆盖了人造敏感皮肤。机器人应该自主发展出触及身体上每个触觉传感器的能力。为了高效地做到这一点，我们采用了内在动机的计算框架和目标咿呀学语的变体，而不是运动咿呀学语，这被证明可以加快探索过程并缓解学习逆运动学的不适定性。基于我们的结果，我们讨论了与婴儿研究相关的下一步：需要哪些信息来进一步将这一计算模型建立在行为数据的基础上。