移动机器人控制中的 idiotypic 免疫网络
神经与进化计算
2010-07-05 v1 人工智能
机器人学
摘要
Jerne 的 idiotypic 网络理论假设免疫反应涉及抗体间的相互刺激与抑制，以及与抗原的匹配。该理论已成为基于行为的机器人学中应用最广泛的人工免疫系统 (AIS) 模型，但关于实施 idiotypic 选择的指导原则却十分匮乏。此外，采用该技术产生的直接效果尚未通过与非 idiotypic 系统的比较得到证实。本文旨在解决这些问题。文中描述了一种将 idiotypic AIS 网络与基于强化学习 (RL) 的控制系统集成的方法，并详细解释了抗体刺激与抑制的机制。我们提出并测试了若干解释网络优势的假设，使用了三个具有递增 idiotypic 复杂度的系统。这些系统包括：基础 RL、一种独立于推导浓度水平实施 idiotypic 选择的简化混合 AIS-RL，以及一种完整的混合 AIS-RL 方案。测试平台为模拟的 Pioneer 机器人，要求其在迷宫环境中导航，并检测与跟踪门标记。
引用
@article{arxiv.0803.2981,
title = {Idiotypic Immune Networks in Mobile Robot Control},
author = {Amanda Whitbrook and Uwe Aickelin and Jonathan Garibaldi},
journal= {arXiv preprint arXiv:0803.2981},
year = {2010}
}