用于感觉运动学习的 GRP 模型
神经与进化计算
2019-03-05 v1
摘要
从复杂演示中学习具有挑战性，尤其是当演示包含不同策略时。一种流行的方法是使用深度神经网络来执行模仿学习。然而，该深度神经网络的结构必须“足够深”以捕获所有可能的场景。除了机器学习问题外，人类在生理学意义上的学习机制很少被探讨，关于脊髓学习的相关工作更为稀少。在这项工作中，我们开发了一种新颖的模块化学习架构——生成器与责任预测器（GRP）模型，它从未分段的控制器演示中自动学习子任务策略，并学习在策略间进行切换。我们还引入了一种更具生理学基础的神经网络架构。我们将 GRP 模型与我们提出的神经网络相结合，构建了一个将摆腿控制从大脑转移到脊髓的模型。我们的结果表明，通过使用 GRP 模型，大脑可以成功地将目标摆腿控制转移到脊髓，并且所得模型能够自动在子控制策略间切换。
引用
@article{arxiv.1903.00568,
title = {GRP Model for Sensorimotor Learning},
author = {Tianyu Li and Bolun Dai},
journal= {arXiv preprint arXiv:1903.00568},
year = {2019}
}