基于预测编码型深度视觉运动循环神经网络模型学习的面向目标的视觉运动规划生成

本文通过真实机械臂机器人的实验结果，展示了一种预测编码型深度循环神经网络如何基于先前的学习经验生成基于视觉的面向目标的规划。所提出的深度循环神经网络通过从与物体指向行为相关的各种视觉运动经验中提取适当的预测模型，学习预测视觉-本体感受序列。该预测模型通过迭代学习，在从意图状态空间到期望的视觉-本体感受序列空间的映射方面得以建立。我们采用三个不同难度级别的任务进行的机械臂实验表明，在预测编码框架中应用于给定目标状态下最优意图状态推断的误差最小化原理，即使对于未学习过的目标状态也能通过泛化生成面向目标的规划。然而，研究表明充分的泛化需要相对大量的学习轨迹。本文讨论了克服该问题的可能对策。