[发明专利]基于生物神经网络的智能机器人控制方法、系统、装置

说明书

本发明属于计算神经科学及智能机器人领域，具体涉及了一种基于生物神经网络的智能机器人控制方法、系统、装置，旨在解决现有的海马启发脉冲生物神经网络模型无法实现智能机器人复杂模式控制的问题。本发明方法包括：基于生物海马区亚区的结构和功能启发构建特征提取、特征关联学习神经网络，对智能机器人环境图像进行处理；采用分类神经网络基于得到的特征向量获取智能机器人行为类别；通过智能机器人行为类别‑控制命令关系，获得智能机器人控制命令。本发明生物神经网络模型在抗噪性能上有很大的提升，提高了复杂背景下的物体感知、高噪声背景下的物体识别的正确率，网络模型的鲁棒性好，为NAO智能机器人控制提供了一个有效的决策方法。

技术领域

本发明属于计算神经科学及智能机器人领域，具体涉及了一种基于生物神经网络的智能机器人控制方法、系统、装置。

背景技术

随着科技的不断进步，机器人相关的技术也得到了突飞猛进的发展，开始向智能化的方向发展。传统机器人控制技术中，要使其按照人类的意图进行动作，通常是采用遥控或者提前训练好的程序来控制机器人执行相关的动作，交互方式单一且鲁棒性差，如机器人行走过程中经常出现的视觉抖动、虚化或其它噪声类信息对模型稳定控制带来了极大的挑战。现在一些基于仿生生物神经网络的智能机器人控制方法，已经可以脱离遥控器以及提前设定的动作程序，实现仿生物化、智能化、高鲁棒性的智能机器人控制。

记忆的产生和维持是哺乳动物的众多重要功能之一，对记忆相关脑区的结构和功能的研究一直以来都受到了生物领域的极高重视。由于记忆又可以细分为多种记忆子类型，如短时记忆、长时记忆、工作记忆等，而不同的记忆类型所涉及的脑区不尽相同，因此更多的研究者们专注于研究某一特定类型的记忆任务和对应脑区。在众多脑区中，研究的最多的当属于海马区，它在短时记忆到长时记忆的转化、记忆的存储提取、记忆的关联等过程中都扮演了重要的作用。

基于海马区域主要的亚区，如阿蒙角1区(CA1)，阿蒙角3区(CA3)，齿状回(DG)等几个部分构建数学模型，使用更加类脑的脉冲神经网络建模生物海马网络的信息处理通路，信息从齿状回，再通过苔状纤维连接CA3脑区，CA3脑区是具有强环路特性的脑区，可以对特征层的记忆实现存取，最后通过CA1进行网络的输出，构建的模型在模式分类，特别是高噪声环境下的模式识别能力具有较好的效果。

已有的海马相关模型主要包括以下几个方面：通过模拟海马实验现象，对子区CA1等神经网络进行功能仿真；基于吸引子的概念，通过构建吸引子网络，使得记忆的信息可以在一定时间内维持，达到记忆的保持的目的；基于CA3网络的自连接回路比例很高的情况，构建环状的记忆存储和提取的网络模型，实现对简单数据，如图片信息、向量信息的存储和提取；基于齿状回DG门区中的新细胞的产生速度和记忆的遗忘速度成正比的情况，构建模型模拟新细胞的生成，在原有的记忆信息产生一定的损坏的同时，保证了新信息的存储和更新。

总的来说，现有的海马启发脉冲生物神经网络模型大部分偏重于功能模拟仿真、或者简单的存储提取任务，无法实现智能机器人复杂模式控制。

发明内容

为了解决现有技术中的上述问题，即现有的海马启发脉冲生物神经网络模型无法实现智能机器人复杂模式控制的问题，本发明提供了一种基于生物神经网络的智能机器人控制方法，该智能机器人控制方法包括：

步骤S10，获取智能机器人环境图像集作为待处理图像集；

步骤S20，基于所述待处理图像集中每一个图像，分别通过训练好的特征提取神经网络提取特征，获得第一特征向量集；所述特征提取神经网络为基于前馈脉冲神经网络构建的用于特征提取的生物神经网络；

步骤S30，分别通过训练好的特征关联神经网络获取所述第一特征向量集中每一个特征向量的值之间的关联性，获得第二特征向量集；所述特征关联神经网络为基于量化环状反馈脉冲神经网络构建的用于特征关联学习的生物神经网络；