基于增量式自组织的小脑学习模型及其应用方法

    公开(公告)号:CN117422124A

    公开(公告)日:2024-01-19

    申请号:CN202311320496.6

    申请日:2023-10-12

    Abstract: 本发明公开了一种基于增量式自组织的小脑学习模型及其应用方法,设计了新的增量式自组织发育网络结构,可根据条件激活节点,控制网络节点的增加和更新,具备生长式增量学习能力;由两个增量式自组织发育网络构建小脑学习模型,结合神经元再生机制,实现未知环境中智能体行为决策的增量式学习,能够广泛应用到各种智能体行为决策的场景中;该小脑学习模型在移动机器人行为决策的应用,实现未知环境中移动机器人行为决策的增量式学习,提高移动机器人未知环境中行为决策的快速性和稳定性。该模型应用移动机器人行为决策上,可以提高移动机器人持续学习新知识的能力以及在未知环境中行为决策的快速性和稳定性。

    一种基于视觉注意力避障机制的移动机器人行为决策方法

    公开(公告)号:CN117032217A

    公开(公告)日:2023-11-10

    申请号:CN202310944613.X

    申请日:2023-07-31

    Abstract: 一种基于视觉注意力避障机制的移动机器人行为决策方法,在每个决策周期中,首先对当前时刻的输入图像进行处理,从图像信息中得到障碍物的空间坐标,然后对当前时刻的障碍物空间坐标与上一时刻的障碍物空间坐标进行比对;当两个时刻的障碍物空间坐标相同时,将障碍物划分为预期不确定障碍物,通过背侧注意力神经网络做出行为决策;当两个时刻的障碍物空间坐标不同时,得出当前时刻的障碍物的碰撞危险度,将其与危险度阈值进行比对,然后通过背侧注意力神经网络或腹侧注意力神经网络做出行为决策。本发明利用视觉信息对注意力网络进行判别,通过神经调节系统实现避障决策,提高了机器人快速应对环境中的意外不确定性障碍物的能力。

Patent Agency Ranking