4、机器人行为生成与数学天赋相关神经效率的研究

机器人行为生成与数学天赋相关神经效率的研究

1. 机器人行为生成研究

1.1 研究背景与框架

在机器人行为研究领域，预测性大脑假说最初应用于感知领域，后扩展到行动生成。规划即推理（PAI）框架将目标导向行为解释为推理问题，在该框架中，每个状态的决策遵循概率分布，此分布由当前状态的证据和目标状态达成的预期证据推断得出。

1.2 实验材料与方法

• 机器人与训练任务
  • 使用一个带有三个手指的机器人手，每个手指的位置状态是 0.0（完全折叠）到 1.0（完全张开）之间的实数。手指有三种动作状态：折叠、保持和张开，分别对应 0.0、0.5 和 1.0。机器人手的状态由一个包含六个实数值的向量表示，该向量是动作状态和位置状态的拼接。
  • 每 0.2 秒对机器人的动作和位置进行采样，动作信号在采样中间传递给机器人控制系统。一个状态样本包含当前时间的动作和动作步骤中间的位置。
  • 生成基本动作序列来训练分层记忆系统，基本动作序列代表了发育系统的固有和物理动作约束。随机为每个手指选择动作，每个动作以 1/3 的概率延续到下一步。
• 分层时间记忆的状态推断
  • 分层时间记忆（HTM）用于预测性分层记忆系统，它是一种时空模式的分层记忆，更高层区域存储更抽象、更长的时空模式。
  • 每个 HTM 区域有两个模块：空间池化器和时间池化器。空间池化器存储来自子节点的前馈状态的独特“空间模式”，时间池化器存储空间模式之间