张晓平 阮晓钢 王力 李志军 闫佳庆 毕松

近年来,人工智能与机器人在各国政府、研究机构及相关企事业单位中的受重视程度持续提升,其中主要研究目标之一是建立类似人或动物可以进行自主学习的认知型机器人.机器人具有认知能力表现为其能够在与周身环境的交互过程中渐进掌握知识和技能[1].受人和动物感知运动系统的启发[2],为机器人感知运动过程设计认知模型成为实现认知机器人的有效方法之一[3−5].

机器人感知行动认知模型的设计主要包含模型结构及模型算法两方面.模型结构常借鉴神经生物学相关知识[6−8],而算法方面则以心理学学习机制为指导,常见的有操作条件反射[9−11]、内发动机[12]等,其中,内发动机又涉及好奇心[13−14]、情感[7,15]等.在操作条件反射学习理论下,Cyr 等基于人工脉冲神经网络ASNN(Artif cial spiking neural networks)为机器人设计了一种大脑控制器,实现了机器人自主移动[10];Itoh 等为类人机器人设计了一种行为模型,成功实现了机器人握手行为学习[11].在内发动机理论下,Ren 等借鉴多巴胺、丘脑、基底神经节–大脑皮层工作机制,针对两轮机器人自平衡学习问题提出一种计算模型C-DCCM(Curiosity-driven cognitive computing model),成功实现了机器人的自学习和对环境的自发探索[6];Mannella 等为平面机器人提出一种计算模型,实现了机器人自身运动技能学习[12];Baranes和Oudeyer 将感知运动理论与内发动机理论结合,提出一种自适应目标生成–鲁棒智能自适应好奇心算法SAGG-RIAC(Self-adaptive goal generationrobust intelligent adaptive curiosity),实现了冗余机器人对自身逆运动学的学习……