توضیحات
کنترل شناختی ربات انسان نما با یک مدل یادگیری تقویتی با نظارت بر تعارض با متلب
یک از چالش های بزرگ در ربات های مدرن انسان نما بحث آزادی ربات ها از تنظیمات صنعتی کنترل کننده و دادن آزادی عمل به آنها جهت تعامل با انسان ها و تصمیم گیری در برابر تغییرات محیط واقعی می باشد. تحقیقات جدید در تلاش برای تعیین آن است که آیا استفاده از ساختارهای یادگیری تقویتی الهام گرفته از اعصاب و تعارضات ذهنی انسان قابل تعمیم به ربات ها می باشد یا نه. سیستم شناختی در حیوانات به آنها اجازه می دهد که در محیط های غیرمنتظره با یادگیری ارزش اقدامات خود در شرایط گوناگون و با تنظیم پارامترهای رفتاری خود به نتیجه مطلوب دست یابد. در چنین شرایطی عدم اطمینان می تواند از حداقل دو منبع مجزا بوجود می آیند – عدم قطعیت انتظار می رود ناشی از سر و صدا در طول تعامل حسی حرکتی در یک زمینه شناخته شده است، و عدم اطمینان غیر منتظره ناشی از ساختار احتمالاتی در حال تغییر از محیط زیست است. با این حال، روشن است که چگونه مکانیزم فیزیولوژی عصبی از یادگیری تقویتی و کنترل شناختی در مغز یکپارچه به تولید رفتار کارآمد می باشد.
یادگیری، درحالت کلی به سه دسته تقسیم میشود: الف- یادگیری نظارت شده: در این روش یک معلم یا ناظر وجود دارد که بهترین عمل را در هر وضعیت میداند و توصیه هایی را برای تصحیح شیوهی عملکرد عامل ارائه میدهد {1،2} . ب- یادگیری غیر نظارت شده: در این نوع یادگیری عامل یادگیرنده، میتواند تشخیص دهد که آنچه دریافت کرده را به نوعی به آنچه پیشتر دیده است ربط دهد. در این نوع یادگیری هدف تنها دسته بندی ورودیهاست {3} .
کنترل شناختی ربات انسان نما با یک مدل یادگیری تقویتی با نظارت بر تعارض با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.