Возникновение функциональной иерархии в нейросетевой модели с несколькими временными масштабами: эксперимент с гуманоидным роботом
Emergence of Functional Hierarchy in a Multiple Timescale Neural Network Model: A Humanoid Robot Experiment
2008-11-06
SCID: 54.1/kbbgjm2f
Discuss with AI
функциональная иерархияуправление гуманоидным роботомдвигательные примитивынейронная сеть с несколькими временными масштабамисегментация сенсомоторных последовательностей
Figures from the paper
Abstract (AI)
Считается, что квалифицированное поведение человека обусловлено функциональной иерархией системы управления движениями, в рамках которой повторно используемые двигательные примитивы гибко интегрируются в различные паттерны сенсомоторных последовательностей. Однако лежащие в основе нейронные механизмы, определяющие, каким образом непрерывные сенсомоторные потоки сегментируются на примитивы и каким образом последовательности примитивов интегрируются в различные поведенческие последовательности, до сих пор не выяснены. В более ранних исследованиях эта функциональная иерархия реализовывалась посредством явной иерархической структуры: локальные модули нижнего уровня представляли двигательные примитивы, а модуль более высокого уровня — последовательности примитивов, переключаемые с помощью дополнительных механизмов, таких как выбор шлюзов. Однако когда последовательности имеют сходства и перекрываются, в таких ранних моделях из-за раздельной модульной структуры возникает конфликт между обобщением и сегментацией. Для решения этой проблемы мы предлагаем нейросетевую модель другого типа. В данной модели не используются отдельные локальные модули для представления примитивов и не вводится явная иерархическая структура. Вместо навязывания системе архитектурной иерархии функциональная иерархия возникает в результате самоорганизации, основанной на двух различных типах нейронов, каждый из которых обладает своими временными характеристиками («несколько временных масштабов»). Благодаря введению нескольких временных масштабов непрерывные последовательности поведения сегментируются на повторно используемые примитивы, а примитивы, в свою очередь, гибко интегрируются в новые последовательности. В экспериментах предложенная сетевая модель, координирующая физическое тело гуманоидного робота посредством высокоразмерного сенсомоторного управления, также успешно адаптировалась к физическому окружению. Наши результаты показывают, что важными механизмами, ведущими к функциональной...
Key Findings
1
Нейронная сеть с несколькими временными масштабами формирует функциональную иерархию без явной иерархической архитектуры и отдельных модулей примитивов.
2
Различия во временных свойствах нейронов позволяют сегментировать непрерывные сенсомоторные потоки на повторно используемые моторные примитивы.
3
Результаты показывают, что временные масштабы нейронной активности, наряду с пространственными связями, являются важным механизмом формирования функциональной иерархии.
4
Модель успешно управляла гуманоидным роботом с высокоразмерной сенсомоторной динамикой и позволила ему ориентироваться в физическом окружении.
5
Самоорганизованные примитивы можно гибко комбинировать в новые поведенческие последовательности, устраняя конфликт между обобщением и сегментацией в модульных моделях.
Research Object
Нейросетевая модель с несколькими временными масштабами, управляющая гуманоидным роботом в физической среде
Research Subject
Возникающая функциональная иерархия, обеспечивающая сегментацию непрерывного сенсомоторного поведения на повторно используемые моторные примитивы и их гибкую интеграцию в новые последовательности
Publication Details
Publication Date
2008-11-06
Journal
Publisher
ISSN
Cited by
484
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest