感知运动输入作为语言泛化工具：一种利用感知运动输入生成与泛化名词-动词组合的神经机器人模型
机器人学
2016-05-12 v1 计算与语言
摘要
本文提出一种神经机器人认知模型，用于解释当向人形机器人提供由动词-名词句子组成的语音指令时，其对名词和动词组合的理解与泛化。该泛化过程通过grounding过程实现：受婴儿发展性语言习得的学习方法启发，不同的物体与不同的运动行为被交互并关联。该认知模型基于多时间尺度递归神经网络（MTRNN）。利用从人形机器人平台物体操控任务中获得的数据，采用该模型实现的机器人智能体能够通过动词-名词组合样本的训练，将动词的原初具身结构进行grounding。此外，我们展示了一种基于MTRNN的功能层次架构能够泛化并生成新颖的名词-动词句子组合。对所学网络动态及表示的进一步分析也展示了如何利用该功能层次递归网络实现泛化。
引用
@article{arxiv.1605.03261,
title = {Sensorimotor Input as a Language Generalisation Tool: A Neurorobotics Model for Generation and Generalisation of Noun-Verb Combinations with Sensorimotor Inputs},
author = {Junpei Zhong and Martin Peniak and Jun Tani and Tetsuya Ogata and Angelo Cangelosi},
journal= {arXiv preprint arXiv:1605.03261},
year = {2016}
}
备注
Submitted to Autonomous Robots