具有情感机制的自主机器人感觉运动系统认知模型研究

Autonomous robot is the current research hotspot. Establishing robot an artificial sensorimotor system with cognitive mechanism is the main development direction for the robot’s autonomous realization, and the key is the design of the system’s cognitive model. At present, most of the work are combined with the motivation factors. The role of emotion in cognition has been constantly confirmed by scientists in various fields, and is considered to be the highest stage of robotics research, but the existing emotion-based control models are most task-oriented in structure design and emotion introduction, which lead their low generalization abilities. For the reasons above, this project intends to combine sensorimotor system with emotional theory to design robot a cognitive model which is with strong generalization ability and can realize different learning tasks. In such a model, emotional mechanism is used to guide the cognitive learning so as to improve the robot’s autonomy as well as enhance the robot’s individuation. This project will carry out on the basis of a deep understanding of the natural emotions’ mechanism, and will mainly focus on the emotion mechanism related modules’ design in the sensorimotor cognitive model including emotion generation system, emotion evaluation system and cognitive decision-making system. At the same time, the project will study the related scientific problems in the natural emotions’ above artificial processes. The project will help to further understand natural emotions, and applying them to robots is not only beneficial to cognitive science, but also artificial intelligence and robotics.

自主机器人是当前的研究热点，为机器人建立具有认知机制的人工感觉运动系统，是机器人自主功能实现的重要发展方向，其中关键在于系统认知模型的设计，目前多只结合动机因素。情感在认知中的作用不断被各领域科学家证实，并被认为是机器人学研究的最高阶段，但目前基于情感的控制模型在结构设计及情感引入方面多面向任务，泛化能力低。基于以上原因，项目拟将感觉运动系统与情感理论进行结合，以情感机制指导感觉运动系统认知学习，为机器人设计一种泛化能力强、可实现不同任务学习的认知模型，提高机器人自主性的同时，增强机器人的个性化。项目将在对自然情感机理的深刻理解基础上，重点对感觉运动系统认知模型中情感机制相关模块进行设计，具体包括：情感生成系统、情感评价系统以及认知决策系统，同时对自然情感上述人工化过程中体现出的相关科学问题展开研究。项目有助于进一步理解自然情感，应用于机器人，既有益于认知科学，也有益于人工智能和机器人学。

为机器人建立具有认知机制的人工感觉运动系统是机器人自主功能实现的重要发展方向，其中情感在认知中的作用已被各领域科学家证实，并被认为是机器人学研究的最高阶段，但目前相关研究尚少。已有的基于情感的控制模型在结构设计及情感引入方面多面向任务，泛化能力低。针对上述问题，项目将感觉运动系统与情感理论进行结合展开相关研究，以情感机制指导感觉运动系统认知学习，设计不同的机器人认知模型，提高机器人自主性的同时，增强机器人的个性化。. 在本基金资助下，项目在情感系统、内在动机、发育神经网络模型等多方面均取得一系列创新成果。内发动机方面，分别针对好奇心、人工情感、记忆机制等展开了研究；模型方面，对发育神经网络展开了研究；认知算法实现方面，分别依托Q学习框架、神经网络框架，设计了不同的认知过程；模型应用有路径规划、迷宫机器人、两轮机器人等。成果内容具体表现为：具有发育机制的感知行动认知模型、具有情感与记忆机制的迷宫机器人认知模型、基于好奇心和强化学习的迷宫机器人自主导航算法、具有好奇心与推理机制的迷宫机器人学习、基于成长率函数的前馈神经网络发育算法、以及基于粒子群优化算法的神经网络参数优化方法。项目最终产出学术论文18篇，其中SCI/EI期刊论文8篇，申请发明专利11项，授权2项，获批软件著作权13项，省部级以上竞赛获奖10项。培养北京市青年托举人才1人，研究生7人，已毕业1人。. 项目研究促进了对人类情感认知机制的理解，提高了自主机器人认知能力及个性化水平。项目所研究的认知模型，未来可应用于不同种类，不同任务的机器人，具有较好的推广价值。