使用概率系统模仿独特型AIS机器人控制器行为

先前的工作表明，采用基于免疫系统独特型网络理论的架构的机器人导航系统，相比于仅依赖强化学习的控制技术具有优势。这被认为是独特型机器人智能行为选择的结果。本文尝试通过创建使用强化学习并结合多种不同概率方案来选择机器人行为的控制器，来模仿独特型动力学。目标是证明独特型系统并非仅仅执行某种周期性随机行为选择，并试图进一步理解支配独特型机制的进程。使用执行导航任务的模拟Pioneer机器人进行了试验。结果表明，在停滞条件下，将选择高排名替代行为的概率提升至50%的方案最接近实现独特型系统的特性，但在整体性能上仍无法与之匹敌。