类脑智能机器人理论与方法

20201024

制造业

基础理论

论文

类脑智能机器人

国家科技计划

独立研究

近年来，脑科学、神经科学、心理学等学科得到了迅速发展，与人工智能、机器人等学科成深度交叉融合的态势。机器人在国民经济与国防尖端设备中的应用需求日益增大，机器人所面临的问题也越来越复杂。复杂、动态、开放的工作环境，对机器人感知、认知、推理、运动的智能化水平提出了更高要求。以功能和性能为导向的机器人传统理论框架已难以适应新的要求。针对当前机器人研究遇到的瓶颈，机器人与神经科学、信息科学的交叉融合，从本质上模拟人或生物体的类脑智能机器人理论架构，为机器人理论与应用研究带来新的发展思路。 类脑智能机器人通过软硬件协同融合，由内向外地模仿人类大脑神经系统和躯体运动系统的机制、结构与功能，使机器人以类脑的方式实现认知决策，以类人的方式实现运动功能，最终达到或超越人类智能水平与运动能力。脑科学、神经科学、人工智能等交叉学科的发展，为研究从内而外本质上模拟生物体的新型机器人提供了可能性，另一方面新型类脑机器人框架也为脑科学等交叉学科的发展提供了重要的验证手段。 一、重要成果一：类脑认知 机器人常常工作在动态场景下，目标外观和背景环境快速变化，对视觉感知认知的稳定性、快速性和泛化能力提出很高要求。现有的视觉认知算法大多基于深度学习网络，针对一个具体问题设计，是一种“专用智能”，无法快速适应新的任务；同时，算法学习由数据驱动，需要大量训练样本，算法的可解释性也很低。 本成果引入人的记忆-联想认知机制的计算模型研究。在HMAX模型基础上，进一步模拟海马体的联想和记忆机制，建立了新的视觉识别框架，使模型可用较少的存储量获得更高的识别精度和更快的识别速度。 本成果引入人的初步认知和注意力调节机制的计算模型研究。引入人的认知与注意力调节机制，实现主动调节目标姿态和滤除遮挡部件的干扰，将各部件语义和情景特征结合实现识别，保证了旋转、遮挡情况下鲁棒的识别，为机器人个性化服务奠定基础。 本成果开展类人自主动态语义概念学习计算模型研究。对同类物体特征进行整合形成普遍知识，与普遍知识比较得到样本的个性特性；进而实现知识的动态更新，丰富语义描述，提高机器人自主学习和归纳泛化能力。 二、重要成果二：类脑决策 在复杂动态情境中，机器人需要依据有限的信息量，利用推理、预测或直觉来快速提取必要信息，实现“精度-效率-速度”平衡的高级决策。人类能够根据有限的历史经验快速推断出感知状态与动作的因果关系，学习效率高，且泛化能力很强，因此，如何将大脑前额叶皮层对环境信息的有效筛选、鲁棒认知和自主决策机理引入机器人系统，形成具有自学习能力和自适应能力的机器人决策系统，是机器人决策智能研究的主要问题。 本成果建立了情绪调节的类脑运动决策模型。实现利用情绪状态在线调控学习决策过程的元参数，并采用Oja学习准则来更新动态循环神经网络的权重，将该方法应用到复杂人体肌肉模型和传统机器人的运动学习任务中，能够以更高的精度和稳定性快速完成学习任务。 本成果提出情绪调节决策的双通路类脑运动学习模型。借鉴情绪调控目标导向行为和习惯行为的神经科学机制，提出一种引入情绪调控的机器人基于模型与无模型融合的决策方法，建立脑启发式情绪加工模型，实现两种决策过程的动态调度和分配。 本成果提出情绪驱动的移动机器人自主决策模型。建立融合情景记忆信息的情绪加工可计算模型，提出一种情绪驱动的基于模型的机器人决策控制方法，使得智能体在奖励非常稀疏的环境中保持高探索和学习效率。 三、重要成果三：类脑运动控制与机器人类脑操作及验证系统 机器人要能够在半结构化、非结构化环境等未知环境中完成任务，需要具有良好的可控性和自主操作能力。自然界中，肌肉-筋腱-骨骼所构成的动物运动组织，可实现快速大负载的奔跑、跳跃，也能保证在慢速运动过程中的力-位置输出特性，其肌肉-筋腱组织的柔顺特性也是实现这一优越运动能力的保证。“类脑”智能机器人可以实现操作控制的快速性、柔顺性和精准性的统一。 本成果引入肌肉协同激活机制的仿人柔顺操作控制算法。设计了基于肌肉协同激活的控制框架，通过迭代学习，习得对于各协同激活的肌肉群的控制信号，将高维控制问题转化至低维空间，将肌肉协同激活与环境吸引域有机融合，实现利用高度冗余的肌肉系统完成在相对低的传感精度和控制精度下的高精度柔性操作。 本成果进行机器人类脑操作及验证系统。在软件平台方面，深入开展肌肉骨骼系统建模和系统鲁棒性分析研究，构建了肌肉骨骼机器人运动仿真平台；在硬件系统方面，通过模拟人体生物工程学确定肌肉排布方式，可灵活模仿人体上肢动作，精准完成高精度柔性装配、非合作目标快速稳定抓取、远距离投掷等典型操作任务，提高机械臂动作的灵活性。