未知复杂环境下基于兴趣驱动的类脑自主导航技术

随着无人系统的应用越发广泛,传统导航技术很难满足无人系统在面对复杂任务和未知环境时对自主智能导航性能的要求。哺乳动物能够在兴趣驱动下实现高效智能且自适应环境的导航行为,受此启发的基于兴趣驱动的类脑自主导航技术有潜力克服传统导航实时、准确和低功耗不能同时满足的缺点。本文首先阐述了哺乳动物大脑导航机理;其次,总结概括出基于兴趣驱动的类脑自主导航技术框架;再次,从自身感知、环境认知、记忆推理和兴趣决策4个方面梳理了类脑自主导航的关键技术和实现途径,指出了相关研究的缺陷;最后,分析了现阶段类脑自主导航技术的不足,并对未来一体化发展做出展望。

运动目标预测跟踪的神经计算机制

迄今为止,人们对神经系统如何提取外部输入中静态信息的机制已经有所了解,但对其处理动态信息的机制却知之甚少.在处理运动信息时,神经系统面临的一个根本性挑战是克服神经信号在大脑内传输的时间延迟.这种延迟是显著的,同时又是不可避免的.它是层次化的神经信号通路和模块化的脑功能分区在传递、交流信息时必然产生的结果.如果这些时间延迟得不到补偿,神经系统对快速运动物体的空间位置的感知就会滞后于物体的真实位置,从而不能实时处理运动信息.大量实验表明大脑补偿延迟的策略是对运动物体将要到达的空间位置做出预测.回顾已有的数理模型,主要是具有负反馈效应的连续吸引子神经网络模型,及其实现运动预测的神经计算机制,并对相关神经网络模型在类脑计算中的应用前景进行了展望.

类脑导航的机理、算法、实现与展望

脑与神经科学近几十年来的快速发展,初步揭示了动物导航的神经机理。借鉴大脑神经结构及信息处理机制,研究类脑仿生智能导航系统,为复杂环境下低功耗高鲁棒的自主智能导航提供了新的灵感。在详细综述了动物空间导航神经机理基础上,概述探讨了当前机器人仿生类脑导航智能算法,从利用脑启发的神经网络方法处理导航信息实现智能导航的角度,归纳为吸引子神经网络、深度强化学习以及脉冲神经网络等3类算法。接着梳理了类脑导航的实现途径,包括仿生智能传感器和智能类脑处理器平台。最后归纳并展望了类脑导航发展趋势,包括进一步探索生物界导航的脑神经机理及其信息处理过程、细分类脑导航概念内涵、评价指标完善的途径和统一实现框架。