行为选择一直是机器人技术的积极研究主题,尤其是在人类机器人相互作用领域。为了使机器人与人类有效,自主的互动,基于感应信息的人类活动识别技术和基于决策机制的机器人行为选择之间的耦合至关重要。但是,迄今为止的大多数方法包括公认活动与机器人行为之间的确定性关联,忽略了实时应用程序中顺序预测固有的不确定性。在本文中,我们通过基于类似于生物的神经生理方面的计算模型提出神经机构方法来解决这一差距。将这种神经机构方法与非生物启发的基于启发式方法的方法进行了比较。为了评估这两种方法,都开发了机器人模拟,其中移动机器人必须根据智能房屋的居民进行的活动来完成任务。根据机器人提供的正确结果数量评估每种方法的结果。结果表明,神经机构方法是有利的,尤其是考虑到基于更复杂动物的计算模型。
translated by 谷歌翻译