机器人|机器学习赋予计算机人工智能，借助这项技术，机器人可以由计算机自动控制

文章图片

文章图片

文章图片

机器学习在许多方面赋予计算机人工智能，借助这项技术，机器人可以由计算机自动控制。因此，很自然地期待一个自动控制的老鼠机器人系统。然而，与传统的机械机器人不同，控制这些生物存在着一些挑战。自我意识和生物智能是生物机器人与传统机器人的主要区别。对老鼠机器人来说，刺激更像是诱导适当运动的“提示” ，而不是用力驱动，从而导致对同一命令的反应不确定。

【机器人|机器学习赋予计算机人工智能，借助这项技术，机器人可以由计算机自动控制】它使决策逻辑难以以明确和精确的方式建立。此外，
鼠机器人的身体在个体之间是可变的，并且在移动时并不僵硬，因此难以提取动物的运动信息。如果没有精确的运动参数，就无法评估控制命令的反馈，从而难以做出后续决策。为解决运动参数问题，采用额外的鸟瞰摄像机监控整个实验场景，实时捕捉大鼠的运动。使用成像处理技术跟踪和提取大鼠的运动信息，包括身体位置和头部方向。

然后可以使用基于状态机的决策算法来选择适当的命令来诱导老鼠机器人完成预设的导航任务。对于个体差异，科学家们借鉴了人类导航操作的经验，并提出了一种学习和模仿这一过程的新方法。与试图明确描述控制逻辑的传统方法不同，新模型将导航视为一个整体过程，并学习根据人类操作员的操作做出控制决策。在该模型中，广义回归神经网络被用作控制决策学习的数学模型。

该模型总共包含两个步骤。在第一个训练阶段，人类操作员发出的控制命令和大鼠机器人的相应运动信息，包括身体位置和头部方向，被提取并同步为模型的标签和输入。在这个简短的培训课程中，神经网络使用实例配置网络。训练结束后，神经网络模型能够自动生成控制指令，从而取代人工操作员来导航老鼠机器人。这种新提出的方法以高精度和合理的刺激指令量显示出与人类操作员相当的性能，表明作为位置和方向的基本运动可以为控制决策提供足够的证据。

这一结论对生物机器人的进一步研究具有重要意义。上述控制策略主要侧重于通过模仿人类操作员整体进行的控制原理来简化决策逻辑。在这个过程中，需要从运动信息中分类出三个方向命令。事实上，由于其生物智能，老鼠机器人在日常训练中表现出了寻求奖励的能力。众所周知，大鼠具有非凡的导航能力。在空间学习研究中，老鼠被训练去寻求奖励并在奖励被剥夺时纠正他们的行为。

因此，使用单一奖励指令来引导
鼠机器人是可行的，进一步减少了自动控制策略的决策过程。根据这个想法，研究人员通过应用
仅奖励命令设计了一种新的自动控制策略。该方法通过充分利用大鼠的学习能力，在很大程度上简化了自动导航算法。导航测试前预先设定任务的目的地，通过路径规划算法生成相应的导航路线。在导航任务中，老鼠机器人在执行理想行为时经常收到奖励，例如沿着正确的路线行走。