[发明专利]一种具有内发动机机制的感知运动系统认知及其学习方法

说明书

技术领域

本发明涉及一种具有内发动机机制的感知运动系统认知及其学习方法，属于智能机器人技术领域。

背景技术

对智能机器人的研究已由早期的示教再现型机器人以及具有简单感知能力的机器人发展到今天的认知发育机器人。认知发育机器人具有认知和学习的能力，能够从与环境的接触过程中学习到环境知识，对于代替人类完成地震、火灾、深海等危险环境的任务具有重要意义。

1952年，日内瓦大学心理学教授皮亚杰指出认知发育的第一阶段主要通过其感知运动技能获得，而感知运动技能的习得需要感知器官和运动器官协调完成，这就涉及到感知运动系统。感知运动系统对于人或动物运动技能的习得有着重要的指导意义，将这种感知运动能力复制到机器人上，使机器人能够主动探索外部世界，学习世界知识，对认知发育机器人的研究有着重要意义。

基于以上背景，本发明以学习自动机为数学模型，提出了一种具有内发动机机制的感知运动系统认知模型并设计了其学习算法，将其应用于机器人上，使机器人可以模拟人或动物的感知运动认知过程，提高了机器人的认知能力。相关的专利如申请号CN200910086990.4基于斯金纳操作条件反射理论提出了一种操作条件反射自动机模型，并且基于该模型设计了一种仿生自主学习控制方法；申请号CN200910089263.3同样基于斯金纳操作条件反射理论提出一种自治操作条件反射自动机，并讨论了其在实现智能行为中的应用，以上两项工作均在操作条件反射的指导下，使用自动机为数学模型，设计了新的具有自学习和自组织能力的仿生自动机，但均未涉及感知运动系统学习过程，同时，二者在学习过程中均采用依概率机制实施操作，使得模型在达到一定稳定状态后无法杜绝小概率事件的发生。相关专利申请号CN201410101272.0从仿生学角度模拟生物的感觉运动神经系统，使用神经网络为数学模型，将操作条件反射机理融入感觉运动系统的设计中，采用“胜者全拿”的动作选择机制，提出了一种仿生智能控制方法，较好地模拟了生物自学习行为，证明了感知运动系统在智能体学习过程中的重要性。本发明以学习自动机为基础，为感知运动系统认知过程设计了一种认知模型及其学习方法，动作选择上设计了能够主动学习环境的内发动机机制，在提高系统学习效率的同时，有效避免小概率事件的发生，提高了系统的稳定性。目前，尚未见到与本发明相似的专利记录。

发明内容

本发明涉及一种具有内发动机机制的感知运动系统认知及其学习方法，属于智能机器人技术领域，系统认知模型以学习自动机为基础，引入好奇心和取向性概念，从生物学角度出发，设计了能够主动学习环境的内发动机机制，提高了系统自学习和自组织的能力及其稳定性。模型包括十部分：感知状态集合、动作集合、取向性映射集合、状态学习次数、好奇心、状态取向值、取向函数、取向性学习矩阵、状态转移函数以及知识熵，各部分含义具体如下：

(1)S：系统离散感知状态集合，S＝{s_i|i＝1,2,…n_s}，s_i∈S为第i个感知状态，n_s为可感知到的离散状态的个数，针对连续系统，将需要考虑的连续状态空间[X_min,X_max]离散化为离散状态空间，其中X_min为所需考虑状态的下限值，X_max为所需考虑状态的上限值，一般地，对连续状态空间进行均匀划分，令w＝(X_max-X_min)/n_s，则离散化后的状态空间为：S＝{[X_min+(i-1)w,X_min+iw]|i＝1,2,…n_s}；

(2)M：系统动作集合，M＝{M_i|i＝1,2,…,n_s}，M_i＝{m_ij|j＝1,2,…,n_i}，m_ij表示系统第i个感知状态下第j个可选动作，n_i为第i个状态下可选动作的个数；