认知人形机器人中的增量式程序性与感觉运动学习
机器人学
2023-05-02 v1 人工智能
机器学习
摘要
自动学习日益复杂运动与行为的能力是自主系统领域的长期目标。这确实是一个极其复杂的问题，涉及理解人类如何获取和复用知识，以及提出使人工智能体能够复用既往知识的机制。受让·皮亚杰理论前三个感觉运动亚阶段的启发，本工作提出了一种基于 CONAIM（基于意识注意的集成模型）的认知智能体，能够增量式地学习程序。我们在全文展示了每个亚阶段所需的认知功能，以及新增功能如何帮助解决智能体此前未能处理的任务。实验在由 Cognitive Systems Toolkit（CST）建模的模拟环境中使用人形机器人执行物体追踪任务。系统采用基于强化学习的单一程序学习机制建模。智能体认知复杂度的递增通过在每个学习阶段向奖励函数添加新项来管理。结果表明，该方法能够增量式地解决复杂任务。
引用
@article{arxiv.2305.00597,
title = {Incremental procedural and sensorimotor learning in cognitive humanoid robots},
author = {Leonardo de Lellis Rossi and Leticia Mara Berto and Eric Rohmer and Paula Paro Costa and Ricardo Ribeiro Gudwin and Esther Luna Colombini and Alexandre da Silva Simoes},
journal= {arXiv preprint arXiv:2305.00597},
year = {2023}
}
备注
Preprint submitted to IEEE Transactions on Cognitive and Developmental Systems