脳におけるシンボル処理:記憶モデルPATONによる認知 推論 実行機能の学習

点击翻译按钮获取中文摘要

本研究は、脳におけるシンボル処理の構成的な研究として、記憶モデルPATONでのシンボル処理の実現を目指す。具体的には、移動ロボットのシミュレーションにおいて、連続的なセンサー信号から離散的な場所シンボルを獲得し、さらに場所シンボルを組み合わせて世界の地図を形成し、行動計画の動作を実現する。ロボットは周辺の壁までの距離を測るセンサーを持ち、連続データを得る。PATONはその連続信号を離散化して、疲労学習法で場所を表現する場所シンボルを自己組織的に形成した。さらに、場所シンボルの経時的な変化から次に行くであろう場所を予測する機能を導入し、「現在の場所-ロボットの行動-次の場所」という三項関係を獲得し、ロボットの世界の地図とする。単に入力を離散化しただけではPerceptual Aliasingが発生するので、予測された場所で期待されるセンサー入力と実際のセンサー入力がずれている場合に元いた場所の場所シンボルを複製し、地図に別の位置として埋め込むことでそれを解消する。行動計画には遠距離の目標の検出・符号化が必要なので、各位置で見える複数のランドマークまでの距離ベクトルをランドマークパターンとして各シンボルと連合する。これにより、相互に近い場所シンボルは類似のランドマークパターンを持ち、場所シンボル間もメトリックが構成できる。始点と終点から、両者の場所シンボルに連合されたランドマークパターンの平均値を求め、それにもっとも近い場所シンボルを一撃で認識することでそれらの中間点を求める。次いで、始点と中間点、中間点と終点のまた中間点を求め、さらにその中間を求める、という手順を反復することで、始点から終点までの間のパスを検出する。