[发明专利]机器人姿态路径目标航迹优化的认知发育方法

摘要

本发明提供了一种机器人姿态路径目标航迹优化的认知发育算法CBCLA，分为八个部分，分别为有限的内部状态集合，系统的输出集合，内部操作行为集合，状态转移方程，系统在t时刻在内部状态，评价函数，纹状体基质的动作选择概率输出，多巴胺能，可以用一个八元数组表示CBCLA＝{SC,MC,CbA,f,r(t),BGstrio,BGmatrix,SNDPA}，本发明模拟生物体感觉运动系统的神经活动，以学习自动机为框架，结合内在动机机制驱动生物体自主学习的特点,本认知发育算法运用到移动机器人路径规划研究当中，机器人在未知环境下，通过自主学习发育，逐渐掌握运动平衡控制技能，并实现目标的实时跟踪。

主权项

一种机器人姿态路径目标航迹优化的认知发育方法，本方法是将人的基于小脑‑‑基底核‑‑大脑皮层回路的认知发育算法(CBCLA)思维与机器人结合，此机器人的认知发育过程分为八个部分，分别为有限的内部状态集合、系统的输出集合、内部操作行为集合，状态转移方程、系统在t时刻在内部状态、评价函数、纹状体基质的动作选择概率输出和多巴胺能，这八个部分的相互关联可以用一个八元数组表示：CBCLA＝{SC,MC,CbA,f,r(t),BGstrio,BGmatrix,SNDPA}1)SC＝[s1,s2,...sj]表示为有限的内部状态集合，相对应于大脑皮层中的感觉皮层，sj表示第j个状态，j为内部状态个数；2)MC＝[y1,y2,...yi]表示为系统的输出集合，相对应于大脑皮层中的运动皮层，yi表示第i个输出，i表示输出个数；3)CbA＝[a1,a2,...ak]表示为内部操作行为集合，相对应于小脑区域，ak为第k个内部动作，k为内部动作个数；4)f:s(t)×a(t)→s(t+1)为状态转移方程，即t+1时刻的状态s(t+1)由t时刻的状态s(t)和操作行为a(t)共同决定，一般有环境或者模型来决定；5)r(t)＝r(s(t),a(t))表示为系统在t时刻在内部状态为s(t)时所采取的内部操作行为a(t)后使状态转移到s(t+1)后的奖赏信号，相对于丘脑所发出的丘觉；6)BGstrio为评价函数，纹状小体主要是预测生物体动作取向性好坏的评价机制，进一步说也是内在动机机制取向性好坏的评价机制；7)BGmatrix纹状小体基质的动作选择概率输出，在基底神经节的学习过程中，纹状小体中的基质主要是动作选择功能；8)SNDPA多巴胺能，其作为行为评价的指导激励，作为提高由激励形成的未知最大奖励的行为表示，由此得到准确的执行动作。