运动学习中近远端的探索作为优化的涌现特性
神经与进化计算
2017-12-15 v1 人工智能
机器学习
机器人学
摘要
为了在感觉运动发育过程中驾驭其高维身体的复杂性，婴儿受到自由度冻结与释放模式的引导。例如，在学习抓握时，婴儿以近远端(proximodistal)方式释放手臂中的自由度，即从靠近身体的关节到更远的关节。在此，我们形式化并从计算上研究如下假设：此类模式可作为一类随机优化过程（带协方差矩阵适应的进化策略）的结果自发涌现，而无需先天编码成熟时间表。特别地，我们展示了一个带手臂的模拟实验，其中计算学习器通过自适应探索逐步获得抓握技能，并且我们表明近远端组织自发出现，我们称之为PDFF（近远端自由度冻结与释放，ProximoDistal Freezing and Freeing of degrees of freedom）。我们还比较了不同手臂形态（从类人形态到相当不自然的形态）之间这种涌现组织，以研究不同运动学结构对PDFF涌现的影响。
引用
@article{arxiv.1712.05249,
title = {Proximodistal Exploration in Motor Learning as an Emergent Property of Optimization},
author = {Freek Stulp and Pierre-Yves Oudeyer},
journal= {arXiv preprint arXiv:1712.05249},
year = {2017}
}