基于内在动机的运动平衡机器人自主认知系统研究

Using cognitive mechanisms involved in cognitive science, developmental psychology and cognitive neurophysiology, based on the motor and balancing skills autonomous cognitive problems for self-balancing robot, we research on the formalization method of bionic autonomous cognitive mechanism based on intrinsically motivated learning, build bio-inspired cognitive computational model, construct autonomous movement and balancing physical experimental system with cognitive function. With the formation of "perception-action" loop, we research on the cerebellar internal model development mechanism based on intrinsically motivated learning. Combined with behavior choices and exploration mechanisms of basal ganglia, behavior, target discovery mechanism and evolutionary mechanisms will be established. In order to solve the oriented adaptive learning problems in the changing environment, introducing prediction network, establish the tropism mechanism with adaptive ability based on artificial tropism mechanism in the cognitive process of robot. The proposed autonomous cognitive model is used on the robot systems, and makes the simulation experiments and physical experiments. The aim is to make the agent gradually develop “perception-action” ability and environment interactive ability, implement the robot’s autonomous movement, and then improve environmental adaptability. The research work can help to design and construct the more autonomous cognitive balancing robot, and have important reference value for enriching the related theory of autonomous cognitive mechanism.

课题运用认知科学、发育心理学以及神经生理学涉及的认知机理，针对自平衡机器人运动平衡技能自主认知问题，研究基于内在动机学习的仿生自主认知机制的形式化方法，建立生物启发的认知计算模型，构造具有认知机能的自主运动平衡物理实验系统。针对“感知－行动”环的形成过程，研究基于内在动机学习的小脑内模发育机制。结合基底神经节中的行为选择和探索机制，建立行为、目标探索机制以及进化机制。引入预测网络，在机器人认知中的人工取向性机制的基础上，建立具有自适应能力的取向机构，解决变化环境中的取向性自适应学习问题。将自主认知模型应用于机器人系统，并进行仿真和物理实验，使机器人通过自主认知，渐进形成“感知－行动”能力以及与环境交互的能力，实现机器人的自主运动，提高机器人的环境自适应能力。课题成果有助于设计和建造更加自主的认知平衡机器人，同时，对于丰富自主认知机理的相关理论具有重要的借鉴价值。

运用认知科学、发育心理学以及神经生理学涉及的认知机理，针对自平衡机器人运动平衡技能自主认知问题，研究基于内在动机学习的仿生自主认知机制的形式化方法，建立了生物启发的认知计算模型。.首先，针对智能体自主学习问题，建立了基于操作条件反射的基底神经节行为认知模型，解决了有限离散行为的认知学习问题，并在此基础上，引入了好奇心驱动的思想，提出了一种新的好奇心驱动的“感知-行为”认知模型，该模型模拟了心理学中基于好奇心的内在动机认知机制，在典型的机器鸽实验中进行了仿真实验验证，并在自平衡机器人中进行了仿真实验，在一定程度上能够实现自平衡的学习，但是学习具有一定的局限性。.为了解决上述问题，进一步探索“感知-运动”环路的形成机制，考虑小脑在认知过程中的认知机理，研究了基于内在动机学习的小脑内模发育机制，针对连续行为建立了基于行为好奇心内在动机认知的小脑操作学习算法，在该算法的基础上针对自平衡机器人系统提出了一种基于CPN网络的自组织小脑操作学习算法。.为了进一步提高机器人的自主能力，在人工取向性机制的基础上，建立了具有自适应能力的取向机构，解决变化环境中的取向性自适应学习问题，并在柔性和刚性自平衡机器人上进行了实验对比分析，提高了自主学习的鲁棒性能，并基于此，模拟大脑、小脑和基底神经节的结构关系建立了基于内在动机的运动平衡自主认知系统。.为了验证算法的性能，构建了自平衡机器人物理实验系统，该系统实现了自平衡机器人的各类运动控制，为验证算法奠定了基础。.本项目中针对自平衡机器人自主认知问题所建立的认知模型是在认知科学、发育心理学和神经生理学的基础上提出的，对智能体的仿生自主认知和学习具有一定的理论指导价值和意义。