[發(fā)明專利]一種仿生智能控制方法

有效

• 申請?zhí)枺?/td>: 201410101272.0
• 申請日: 2014-03-18
• 公開（公告）號: CN103886367A
• 公開（公告）日: 2014-06-25
• 發(fā)明（設(shè)計(jì)）人: 阮曉鋼;黃靜;于乃功;魏若巖;范青武;朱曉慶;肖堯
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06N3/02
• 分類號: G06N3/02
• 代理公司: 北京思海天達(dá)知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 張慧

技術(shù)領(lǐng)域

本發(fā)明涉及智能控制，具體涉及一種具有操作條件反射機(jī)能、可模擬感覺運(yùn)動系統(tǒng)的仿生智能控制方法。

技術(shù)背景

傳統(tǒng)方法設(shè)計(jì)的機(jī)器人雖然在減輕人類體力勞動負(fù)擔(dān)、減少人類在危險(xiǎn)環(huán)境下作業(yè)等方面取得了巨大成功，但其有限的智能水平卻限制了其應(yīng)用的進(jìn)一步推廣和深入，例如：無法適應(yīng)復(fù)雜、多變及未知的環(huán)境；僅能完成特定的任務(wù)，無法自主發(fā)育出新能力等等。為了提高機(jī)器人的智能水平，使其最終接近人類認(rèn)知能力，人工智能及機(jī)器人領(lǐng)域的一個(gè)新思路——認(rèn)知機(jī)器人學(xué)誕生了。認(rèn)知機(jī)器人這一主題涉及到神經(jīng)生理學(xué)、心理學(xué)、計(jì)算機(jī)科學(xué)、腦科學(xué)等多個(gè)領(lǐng)域，它的研究思路勢必需從這些相關(guān)學(xué)科的現(xiàn)有理論中汲取營養(yǎng)，而它的不斷發(fā)展也必將推動上述學(xué)科的進(jìn)步，從而進(jìn)一步影響國民經(jīng)濟(jì)的相關(guān)領(lǐng)域。本發(fā)明正是基于這樣的學(xué)科背景，提出了一種具有操作條件反射機(jī)能、可模擬感覺運(yùn)動系統(tǒng)的仿生智能控制方法。

1938年，美國著名心理學(xué)家斯金納（B.F.Skinner）首次提出了操作條件反射（Operant?Conditioning）的概念，并由此創(chuàng)立了操作條件反射理論。他借鑒了巴甫洛夫的“強(qiáng)化”（reinforcement）概念，并把這一概念的內(nèi)涵進(jìn)行了革新。他把“強(qiáng)化”分為正強(qiáng)化（positive?reinforcement）和負(fù)強(qiáng)化（negative?reinforcement）兩種，正強(qiáng)化促使有機(jī)體對刺激的反應(yīng)概率增加，而負(fù)強(qiáng)化則促使有機(jī)體消除該刺激的反應(yīng)增加。斯金納的操作條件反射理論反映了生物的感知與運(yùn)動之間的聯(lián)系，感知產(chǎn)生反應(yīng)，反應(yīng)影響運(yùn)動的概率，這正是斯金納理論的核心。

“感知-運(yùn)動”是生物運(yùn)動神經(jīng)認(rèn)知的基礎(chǔ)。法國里昂第一大學(xué)Jeannerod教授所著的《Motor?Cognition:What?Actions?Tell?to?the?Self》第一次系統(tǒng)的描述了運(yùn)動神經(jīng)認(rèn)知的理論體系。在運(yùn)動神經(jīng)認(rèn)知的理論體系中，感知和行動扮演著重要角色，早在上世紀(jì)五十年代，Sperry就堅(jiān)持認(rèn)為“感知-行動”環(huán)（Perception-Action?Cycle）是神經(jīng)系統(tǒng)運(yùn)行的基本邏輯。因此，復(fù)制“感知-運(yùn)動”系統(tǒng)從而重現(xiàn)生物運(yùn)動神經(jīng)認(rèn)知，是探索認(rèn)知機(jī)制、理解認(rèn)知行為進(jìn)而提高認(rèn)知水平的可靠思路。

沿著這一思路，本發(fā)明提出了一種具有操作條件反射機(jī)能、可模擬感覺運(yùn)動系統(tǒng)的仿生智能控制方法，由此提高機(jī)器人的認(rèn)知及智能水平。相關(guān)的專利如申請?zhí)朇N200910086990.4及申請?zhí)朇N200910089263.3的發(fā)明專利基于自動機(jī)理論，分別提出了操作條件反射自動機(jī)模型，并討論了該模型在仿生自主學(xué)習(xí)控制中的應(yīng)用。申請?zhí)枮?01410055115.0的專利提出了一種基于Skinner操作條件反射原理的機(jī)器人避障方法，實(shí)現(xiàn)了機(jī)器人在無導(dǎo)師信號下的自主巡航；申請?zhí)枮?01310656943.5的專利則將操作條件反射原理用于圖像處理領(lǐng)域，提高了圖像處理的精度和效率。但是，以上模型均沒有涉及生物運(yùn)動神經(jīng)認(rèn)知，未將操作條件反射融入感覺運(yùn)動系統(tǒng)的設(shè)計(jì)中。目前，尚未見到與本發(fā)明相似的專利記錄。

發(fā)明內(nèi)容

傳統(tǒng)的機(jī)器人控制方法所能達(dá)到的智能水平有限，機(jī)器人無法自主地適應(yīng)未知環(huán)境，難以從簡單經(jīng)驗(yàn)中獲取完成復(fù)雜任務(wù)的能力，無法以自學(xué)習(xí)的方式完成任務(wù)。針對傳統(tǒng)控制方法存在的上述問題，本發(fā)明提出了一種仿生智能控制方法。該方法從仿生的角度模擬了生物的感覺運(yùn)動神經(jīng)系統(tǒng)，同時(shí)借鑒了操作條件反射理論，使系統(tǒng)具有操作條件反射機(jī)能，能較好地模擬（表現(xiàn)）生物自學(xué)習(xí)行為，使機(jī)器人表現(xiàn)出良好的自適應(yīng)能力和較高的智能水平。

如圖1所示，本發(fā)明提出的仿生智能控制方法按照如下步驟遞歸運(yùn)行：

步驟1，構(gòu)建感知運(yùn)動系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型，確定感知層、隱層及運(yùn)動層等各層神經(jīng)元數(shù)量，令權(quán)值矩陣W1、W2在[0,1]上隨機(jī)取值，確定初始感知狀態(tài)，設(shè)定學(xué)習(xí)速率。

采用3層前饋神經(jīng)網(wǎng)絡(luò)N³[l,m,n]表達(dá)感知及運(yùn)動之間的關(guān)系，如圖2所示。其中，輸入層包含l個(gè)神經(jīng)元，以編碼形式表征所感知到的信息，構(gòu)成所謂“感知層”；隱含層包含m個(gè)神經(jīng)元，對感知層傳輸?shù)男畔⑦M(jìn)行計(jì)算和處理；隱含層及輸入層與隱含層之間兩個(gè)權(quán)值矩陣W1、W2，從功能上模擬了生物感知運(yùn)動系統(tǒng)中的信息處理中樞；輸出層包含n個(gè)神經(jīng)元，代表動作集合中的n個(gè)動作，構(gòu)成“運(yùn)動層”。信息按前饋（Feed?Forward）方式傳播，經(jīng)感知層、隱含層、運(yùn)動層前向流動，實(shí)現(xiàn)了從感知到運(yùn)動的映射關(guān)系。