用于四足运动的神经回路架构先验
神经元与认知
2024-10-10 v1 人工智能
机器学习
神经与进化计算
机器人学
摘要
基于学习的四足运动方法通常采用通用策略架构，如全连接MLP。由于此类架构包含的归纳偏置很少，实践中通常以奖励、训练课程、模仿数据或轨迹生成器的形式融入先验。在自然界中，动物天生就具有其神经系统架构形式的先验，这些先验由进化塑造，赋予了先天能力和高效学习。例如，马在出生后几小时内就能行走，并能通过练习快速提高。这种架构先验在用于AI的人工神经网络架构中也很有用。在这项工作中，我们探索了一种基于哺乳动物四肢和脊髓神经电路的、受生物学启发的人工神经网络架构在四足运动中的优势。我们的架构实现了良好的初始性能和与MLP相当最终性能，同时使用了更少的数据和数量级更少的参数。我们的架构还展现出对任务变化的更好泛化能力，甚至无需标准的仿真到现实迁移方法即可部署在实体机器人上。这项工作表明，神经电路可以为运动提供有价值的架构先验，并鼓励未来在其他感觉运动技能方面的工作。
引用
@article{arxiv.2410.07174,
title = {Neural Circuit Architectural Priors for Quadruped Locomotion},
author = {Nikhil X. Bhattasali and Venkatesh Pattabiraman and Lerrel Pinto and Grace W. Lindsay},
journal= {arXiv preprint arXiv:2410.07174},
year = {2024}
}