人类与机器人中的身体模型

高层体感处理的神经认知模型强调了存储的身体表征在解释来自身体的实时感觉信号中的作用（Longo, Azanon and Haggard, 2010; Tame, Azanon and Longo, 2019）。对此类存储表征的需求源于如下事实：来自身体的即时感觉信号并不指定关于身体尺寸与形状的度量细节。因此，体感知的若干方面要求即时感觉信号与存储的身体表征相结合。这一基本问题对于人形机器人同样成立，且有趣的是，为解释人类感知而发展的神经认知模型与独立发展为在人形机器人（如 iCub，其大部分体表装备人造电子皮肤）上定位触摸的模型惊人地相似（Roncone et al., 2014; Hoffmann, 2021）。在本章中，我们将回顾这些模型的关键特征，讨论它们彼此之间及与文献中其他模型的异同。使用机器人作为具身计算模型是合成方法论或“通过构建理解”（例如 Hoffmann and Pfeifer, 2018）、计算具身神经科学（Caligiore et al., 2010）或“自我的合成心理学”（Prescott and Camilleri, 2019）的例证。此类模型具有必须被详尽制定以使任何理论显明且完整的优势。除与所研究的生物或心理现象比较外，还存在一种额外的（预）验证理论的方式：仅通过验证特定实现确实执行任务——机器人能否定位其被触摸的位置（见 https://youtu.be/pfse424t5mQ）？