Neurobots: un séminaire pour gagner la confiance des utilisateurs

Les neurorobots se sont révélés utiles pour étudier la locomotion des animaux de compagnie et la poignée de moteur électrique, puis pour créer des contrôleurs de robot. Des modèles neuronaux de générateurs de motifs clés, des pools de motorneurones qui poussent à un comportement répétitif, ont déjà été utilisés pour gérer la locomotion chez les robots. Kimura et ses pairs ont démontré comment la neurorobotique peut offrir un remplissage parmi les neurosciences et la biomécanique en affichant une locomotion émergente à 4 pattes en fonction des éléments générateurs électriques de modèle central modulés par des réflexes. Leur groupe de personnes a créé un type de générateur électrique de style apprenable et a montré sa viabilité à l’aide de plusieurs illustrations automatiques synthétiques et humanoïdes. Ijspeert et ses collègues ont créé un robot amphibie en forme de salamandre capable de pêcher et de se promener, et représente pour cette raison une étape importante dans le développement de la locomotion à pattes de vertébrés. Une exécution neurorobotique s’est avérée essentielle pour (1) tester si les conceptions pouvaient produire une locomotion à la fois dans l’eau et aussi sur le sol et (2) analyser comment les commentaires sensoriels affectent la génération de routine dynamique. Une motivation neuronale intéressante pour la conception de contrôleurs de robot est la méthode des neurones miroirs observée chez les primates. Les neurones de correspondance dans le cortex prémoteur sont productifs, chaque fois qu’un singe saisit ou manipule des objets et quand il regarde au poignet une faune supplémentaire effectuant des mesures très similaires (Rizzolatti et Arbib, 1998). Les neuroroboticistes, appliquant cette notion de neurones miroirs, ont indiqué que des mouvements complexes, par exemple pour atteindre et locomotion, séminaire Carcassonne pourraient être obtenus via de faux. Un système basé sur la tête avec un hippocampe simulé et ses particularités autour des territoires. Darwin XI est représenté à la raison de choix pour son réglage en plus labyrinthe. Darwin XI a commencé un test alternativement au bras gauche de départ Est ou Ouest, et a appliqué ses moustaches artificielles pour suivre le bras gauche du labyrinthe jusqu’à ce qu’il atteigne le point de sélection. Parce qu’il suivait la surface du mur du labyrinthe, ses moustaches détectaient des motifs de chevilles, sa caméra détectait des cartes de repère de couleur sur la bordure, son cap fourni par la boussole et sa lumière laser particulière offrait des informations sur la collection. Au départ de l’entraînement, Darwin XI a reçu un stimulus gratifiant dans le cas où il choisirait le bras gauche cible sud. Après avoir trouvé cette tâche avec succès, le stimulus satisfaisant a été modifié sur le bras gauche de l’objectif nord. Adapté de (Fleischer et al., 2007). Une autre stratégie de gestion des unités motrices dans les robots influencés par les neurones consiste à essayer d’utiliser un contrôle prédictif pour transformer des mouvements inconfortables et susceptibles de se confondre en mouvements propres et précis. Les derniers concepts de contrôle moteur proposent que le cervelet apprenne à commuter des réflexes primitifs avec des signes moteurs prédictifs. Le concept serait que les résultats des instructions motrices réflexives fournissent des signes d’erreur pour obtenir un contrôleur prédictif, qui découvre alors pour produire un moteur droit gérer la transmission avant la réponse réflexe beaucoup moins adaptative. Les conceptions d’inspiration neurale incluent l’utilisation de ces conseils dans la conception de robots qui déterminent comment éviter les défis (McKinstry et al., 2006; Porr et Worgotter, 2003), développent un œil précis (Dean et al., 1991) et produisent des actions des bras (Dean et al., 1991; Eskiizmirliler et al., 2002; Hofstotter et al., 2002). La forme 1 affiche un gadget dépendant de la tête, composé d’un gadget du cervelet et de la région corticale MT, qui a appris à prédire les collisions en fonction des signaux de mouvement visibles et a modifié ses mouvements en conséquence.

Comments are closed.