仿生小脑运动控制模型及其在手臂控制中的应用

在小脑皮层神经元水平上研究小脑如何实现对肢体运动的控制并运用到智能机器人系统中,是目前人工智能和康复医学等研究领域的一个热点。目前通常使用的小脑模型仅以控制效果为目的,虽借鉴了小脑的功能模式,却忽略了小脑的结构特性。实际上,小脑模型除了用于实现控制目的以外,还应该具有控制过程的可解释性并能分析小脑发生病变时带来的后果等,所以需要建立一种更能表达小脑特性的仿生小脑模型。本文在神经元水平上探讨了小脑如何处理外部输入信息进而产生控制指令的过程,通过对具有匀质结构的小脑进行功能化分块,构建了一种包含小脑皮层主要细胞类型和细胞间连接方式的新型仿生小脑运动控制模型。通过仿真实验和力反馈器控制实验表明,本文构建的仿生小脑运动控制模型与目前广泛应用的小脑关联控制器模型相比,具有更好的控制效果,从而验证了本文仿生小脑运动控制模型的有效性,为进一步实现真正意义上的类脑人工智能控制奠定了基础。