帖子
勋章
关注
任务
沈阳自动化所“机器人行为智能”研究取得进展 人类在日常生活中处理复杂任务时表现出惊人的适应性，这种适应性是个体学习能力的直接体现，使人类可以自主、增量地提升自身的行为能力。研究人员以 Q 学习与自适应核线性(Adaptive Kernel Linear,AKL)模型等网络化模型为基础，构建了机器人增量式学习方法的新框架，赋予机器人根据数据与案例的实时获取自发产生新的行为模式，以提升机器人的行为智能能力。新的算法可通过自主、示教等不同方式，使机器人对自我行为进行评估，并实时改变自身行为产生的网络结构和参数，实现行为知识的在线学习和增量学习。 该成果目前已应用在机器人自主导航中，并且通过大量的仿真和试验使机器人可以以一个空网络为起点，增量式学习并形成新的行为以适应新的场景，同时不会遗忘之前所学习的行为。  行为智能学习方法原理（左图）、在移动机器人上的实验（右图） 该研究得到国家自然科学基金和机器人学重点实验室的支持。 分享到：
|
