复杂自然刺激呈现期间语义事件类的神经相关性：解剖模式、情境敏感性及其对共享人类-机器人本体论的潜在影响
神经元与认知
2025-02-14 v1
摘要
本研究是旨在开发具备环境交互能力接近人类水平的认知型机器人代理的研究项目的一部分。该方法基于结合人类神经数据和共享本体论，以使机器人能够从人类经验中学习。为进一步洞察人类神经活动模式与本体论类之间的关系，我们在 fMRI 数据上引入了广义线性模型（GLM）分析，受试者被呈现由复杂自然视频刺激构成的刺激，这些刺激类似于机器人任务。我们对四类事件（拾取、放置、获取和递送）建模，这些事件附带不同的环境和物体相关情境，并对相关脑活动模式应用 representational similarity analysis（RSA），作为自动分层聚类的起点。基于默认的血氧动力学响应函数（HRF）参数，活动模式可靠地按其对象交互和导航的父类进行分组。尽管获取和递送事件也被神经模式区分，但拾取和放置事件在神经激活模式方面表现出更高的歧义。引入较短的 HRF 峰值时间可更可靠地对所有四类语义类别进行分组，尽管存在情境因素。这些数据可能为神经表征复杂刺激提供新见解，并可能使认知型机器人中的本体论验证研究取得进展。
引用
@article{arxiv.2502.08694,
title = {Neuronal Correlates of Semantic Event Classes during Presentation of Complex Naturalistic Stimuli: Anatomical Patterns, Context-Sensitivity, and Potential Impact on shared Human-Robot Ontologies},
author = {Florian Ahrens and Mihai Pomarlan and Daniel Beßler and Michael Beetz and Manfred Herrmann},
journal= {arXiv preprint arXiv:2502.08694},
year = {2025}
}