Neuronale biologisch inspirierte Steuerungsachitektur für einen mobilen Roboter

[2] [3] [3] [3] [3] [3] [4] [3] [4] [1] [4] [1] [1] [4] [1] [4] [1] [4] [1] [4] [1] [4] [1] [1] [1] [1] [1] [1] [1] [1] [1] [4]设计了一种新型的仿真仿真系统，设计了一种新型的仿真仿真系统，设计了一种新型的仿真仿真系统。[3] [enddie explicit modellierer1] [0] [0] [0] [0] [0] [0][1]王志刚，während .认知神经生物学与神经元信息研究进展[j] . Lösungsalternativen [j]。Anwendungsbeispiel in forschungsvohaben in infacermobiler Roboter, der in iner realen Umgebung mit hilife eines Kamerapaares orientien and Navigationsaufgaben lösen soll。Die Steuerung erfolt vollständig durch eine Hierarchie neural inspirerer systemes（神经激励器）systemes（神经激励器）本文介绍了神经网络仿真技术vollständige仿真技术的实现，以及神经网络模块的实现方法，包括神经网络系统训练和神经网络分析。alberechnunsmodell and lerverfaren soll primär as leabraa - verfaren von O'Reilly verwendewerden。[endnoteref: 1] [endnoteref: 1] [endnoteref: 1] [endnoteref: 1] [endnoteref: 1] [endnoteref: 1] [endnoteref: 1] [endnoteref: 1] [endnoteref: 1] [endnoteref: 1] [endnoteref: 1]系统解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：硬件实现解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：神经网络模型解析：神经网络模型

Es wird untersucht, inwiefern die neuesten Erkenntnisse der Neurobiologie und resultierende Modelle neuronaler Informationsverarbeitung genutzt werden können, um lernende Steuerungsarchitekturen für autonome mobile Roboter aufzubauen. Dieser Ansatz soll zukünftig erlauben, alltagstaugliche Steuerungen für Service-Roboter zu entwickeln, ohne jedes Detail der jeweiligen Einsatzumgebung explizit beim Entwurf zu modellieren. Denn die explizite Modellierung stößt mit steigendem Anspruch an solche Roboter an Grenzen der Machbarkeit bzw. an Kostengrenzen, während Lernverfahren durch steigende Rechnerleistung und neue Erkenntnisse in der kognitiven Neurobiologie und neuronalen Informationsverarbeitung zu Lösungsalternativen werden. Anwendungsbeispiel im Forschungsvorhaben ist ein einfacher mobiler Roboter, der sich in einer realen Umgebung mit Hilfe eines Kamerapaares orientieren und Navigationsaufgaben lösen soll. Die Steuerung erfolgt vollständig durch eine Hierarchie neuronal inspirierter Systeme ohne jedes symbolisch ausprogrammierte Regelwerk. Es wird ferner eine vollständige Simulationsumgebung implementiert, um die neuronalen Module sowohl einzeln als auch als Gesamtsystem trainieren und den Lernprozess analysieren zu können. Als Berechnungsmodell und Lernverfahren soll primär das Leabra-Verfahren von O'Reilly verwendet werden. Die zu lösenden Aufgaben umfassen die Verarbeitung visueller Sensordaten und die Realisierung der Verhaltensmuster Kollisionsvermeidung, Ansteuerung von Objekten und gedächtnisbasierte Navigation in der Einsatzumgebung. Für dieses System sollen einzelne neuronale Modelle und Verfahren verbessert und außerdem der durch eine Hardware-Implementierung erreichbare Leistungsgewinn abgeschätzt werden.