Modeling human target reaching with an adaptive observer implemented with dynamic neural fields

انسانها وقتی که چشمشان را بسته اند، حتی با بازخورد حسابی یا حتی گمشده از بین می روند، می توانند نسبت به حالت های به یاد ماندنی به حالت های حفظ شده اشاره کنند. همچنین شایع است که دینامیک بازو در طول توسعه یا از آسیب تغییر می کند. ما یک پیاده سازی انگیزه زیستی از یک کنترلر بازو که شامل یک ناظر سازگار است پیشنهاد می کنیم. پیاده سازی ما بر اساس چارچوب میدان عصبی است و ما نشان می دهیم چگونه یک مکانیزم ادغام مسیر را می توان از چند مثال آموزش داد. نتایج ما نشان دهنده ادغام موفقیت آمیز مسیر یکپارچگی با یک میدان نوری پویا است که بازوی روباتیک می تواند در جهت و سرعت های دلخواه حرکت کند. همچنین، با تطبیق قدرت اثر موتور، ناظر به طور ضمنی می آموزد تا تاخیر جذب تصویر در سیستم حس گر را جبران کند. پیاده سازی پویا ما از یک ناظر به طور موفقیت آمیزی دست را به سوی هدف در تاریکی هدایت می کند و مدل جنبش ها را با یک پروفایل سرعت سریع شکل می دهد که با داده های رفتار انسان سازگار است.