传统机器人经过长时间的研究和发展, 已经在生产和生活的多个领域实现了广泛的应用, 但在复杂多变的环境中依然缺乏与真实生物类似的灵活性、稳定性和适应能力, 类脑智能作为一种新型的机器智能, 使用计算建模的方法模拟生物神经系统的各类特性, 进而实现对各类信息的推理和决策, 近年来受到了学术界的广泛关注. 综述了国内外面向机器人系统的类脑智能研究现状, 并对类脑智能方法在机器人感知、决策和控制三个研究方向的成果进行了整理、归纳和分析, 最后从软硬件层面分别指出了机器人类脑智能目前存在的主要问题和未来的发展方向. http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c230705 近年来, 人工智能方法经过进一步的发展, 已经实现了广泛的应用, 其中在机器人领域的应用也取得了大幅进展[1−3]. 目前的机器人已经具备了较高程度的智能水平 (多模态信息感知与识别能力[4]、复杂环境的最优决策与控制[5−7]等). 然而, 与人脑或者广义程度上的生物神经系统的智能相比, 机器人的智能水平还存在诸多不足[8], 例如缺乏自主性和高级推断能力, 无法针对新颖、复杂、未知的情况或者问题做出像人一样智能的思考与决策等. 针对这一问题, 学术界已经提出了一些理论和方法, 其中的类脑智能方法近年来得到了广泛关注[9−10]. 自Maass等[11]在1997年提出基于脉冲神经元的神经网络之后, 以脉冲神经网络 (Spiking neural network, SNN)为代表的一系列类脑智能方法经过了二十余年的发展, 已经展现出了独特的优势和广阔的前景, 近年来得到了学术界的广泛关注. Roy等[12]在2019年发表于《自然》的一篇综述文章中指出, SNN利用神经元的时序信息进行信息处理, 与传统的基于实值计算的深度学习网络有本质区别, 前者可以充分利用时空事件数据, 实现稀疏和高效的计算. 类脑智能方法是受大脑或者生物神经运行机制和认知行为机制启发, 以计算建模为手段, 通过软硬件协同实现的机器智能, 具备信息处理机制上类脑、认知行为表现和智能水平上达到或超越人 (或其他仿生对象)的特点. 从机器人系统的角度, 类脑智能的主要应用可以分为软件和硬件两方面, 软件方面主要指机器人实现感知、控制、决策等功能所使用的算法为类脑方法, 这类方法借鉴了生物学上的神经系统的学习机制和表达能力, 能够对传统方法不善于解决的各种问题提出新的解决方案[6, 9−10]; 硬件层面主要指神经形态计算硬件的部署, 即将软件层面的类脑算法采用特殊的计算介质 (例如脉冲神经网络对应的类脑芯片)进行实现, 具有计算高效、能耗较低、鲁棒性强的优势[11, 13]. 以上特点有望将目前的机器人系统的智能化程度和综合性能提升到新的高度, 因此具有很高的研究价值. 针对类脑智能方法在机器人系统上的应用, 国内外目前已有少数综述文章, 例如Bing等[14]在2018年的综述文章总结了SNN常用的基本模型、学习规则、仿真平台和在机器人控制中的部分应用, 但文章整体偏向SNN基础理论, 且只关注了机器人的控制问题. Qiao等[8]在2022年的综述文章总结了基于视觉信息的类脑感知方法、基于情感的类脑决策方法和模仿神经机制的类脑控制方法及其在肌肉骨骼机器人 (Musculoskeletal systems)上的应用, 但对移动机器人和其他类型的仿生机器人关注较少. 2023年, 朱祥维等[15]综述了应用于机器人的导航任务中的类脑方法. 概括而言, 虽然目前关于类脑智能在机器人系统的应用已经有不少先进的案例, 但缺少对该领域文献资料较为全面的总结归纳. 本文的主要目的是将目前国内外已有的面向各类机器人系统或者可应用于机器人系统的类脑智能方法研究按照机器人感知、决策和控制三个主要功能进行归纳整理, 对常用的技术路线和方法论进行总结提炼, 对未来可能的研究方向进行思考分析, 最终为后续开展的研究工作提供参考.

成为VIP会员查看完整内容
31

相关内容

机器人(英语:Robot)包括一切模拟人类行为或思想与模拟其他生物的机械(如机器狗,机器猫等)。狭义上对机器人的定义还有很多分类法及争议,有些电脑程序甚至也被称为机器人。在当代工业中,机器人指能自动运行任务的人造机器设备,用以取代或协助人类工作,一般会是机电设备,由计算机程序或是电子电路控制。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
量子机器学习综述
专知会员服务
44+阅读 · 2月18日
神经网络结构搜索前沿综述
专知会员服务
47+阅读 · 1月2日
大规模图神经网络研究综述
专知会员服务
75+阅读 · 2023年8月25日
自适应脑机接口研究综述
专知会员服务
38+阅读 · 2022年11月27日
「深度学习视频分析系统」最新2022研究进展综述
专知会员服务
42+阅读 · 2022年11月5日
情感计算与理解研究发展概述
专知会员服务
34+阅读 · 2022年7月2日
可视化与人工智能交叉研究综述
专知会员服务
68+阅读 · 2021年11月19日
机器人运动轨迹的模仿学习综述
专知会员服务
42+阅读 · 2021年6月8日
专知会员服务
51+阅读 · 2021年4月6日
专知会员服务
42+阅读 · 2020年11月21日
「基于通信的多智能体强化学习」 进展综述
图像修复研究进展综述
专知
17+阅读 · 2021年3月9日
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
多模态视觉语言表征学习研究综述
专知
25+阅读 · 2020年12月3日
时空序列预测方法综述
专知
19+阅读 · 2020年10月19日
清华大学《高级机器学习》课程
专知
36+阅读 · 2020年7月21日
最新《多任务学习》综述,39页pdf
专知
28+阅读 · 2020年7月10日
动态知识图谱补全论文合集
专知
60+阅读 · 2019年4月18日
硬件加速神经网络综述
计算机研究与发展
24+阅读 · 2019年2月1日
国家自然科学基金
4+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Arxiv
145+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
362+阅读 · 2023年3月31日
Arxiv
60+阅读 · 2023年3月26日
Arxiv
128+阅读 · 2023年3月24日
Arxiv
19+阅读 · 2023年3月17日
VIP会员
相关VIP内容
量子机器学习综述
专知会员服务
44+阅读 · 2月18日
神经网络结构搜索前沿综述
专知会员服务
47+阅读 · 1月2日
大规模图神经网络研究综述
专知会员服务
75+阅读 · 2023年8月25日
自适应脑机接口研究综述
专知会员服务
38+阅读 · 2022年11月27日
「深度学习视频分析系统」最新2022研究进展综述
专知会员服务
42+阅读 · 2022年11月5日
情感计算与理解研究发展概述
专知会员服务
34+阅读 · 2022年7月2日
可视化与人工智能交叉研究综述
专知会员服务
68+阅读 · 2021年11月19日
机器人运动轨迹的模仿学习综述
专知会员服务
42+阅读 · 2021年6月8日
专知会员服务
51+阅读 · 2021年4月6日
专知会员服务
42+阅读 · 2020年11月21日
相关资讯
「基于通信的多智能体强化学习」 进展综述
图像修复研究进展综述
专知
17+阅读 · 2021年3月9日
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
多模态视觉语言表征学习研究综述
专知
25+阅读 · 2020年12月3日
时空序列预测方法综述
专知
19+阅读 · 2020年10月19日
清华大学《高级机器学习》课程
专知
36+阅读 · 2020年7月21日
最新《多任务学习》综述,39页pdf
专知
28+阅读 · 2020年7月10日
动态知识图谱补全论文合集
专知
60+阅读 · 2019年4月18日
硬件加速神经网络综述
计算机研究与发展
24+阅读 · 2019年2月1日
相关基金
国家自然科学基金
4+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员