کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4942397 1437252 2017 28 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Value systems for developmental cognitive robotics: A survey
ترجمه فارسی عنوان
سیستم های ارزش برای روباتیک شناختی توسعه: یک نظرسنجی
کلمات کلیدی
روباتیک، شناخت، سیستم های توسعه، سیستم های ارزش انگیزه ذاتی،
ترجمه چکیده
این مقاله سیستم های ارزش گذاری برای روباتیک شناختی را بررسی می کند. سیستم ارزش یک مغز بیولوژیکی اجازه می دهد احتمال پاسخ های عصبی به پدیده های خارجی انتخاب شده را افزایش دهد. بسیاری از الگوریتم های یادگیری ماشین جوهر این فرایند یادگیری را جذب می کنند. با این حال، سیستم های ارزش محاسباتی نه تنها به حمایت از یادگیری، بلکه تمرکز توجه مستقل به یادگیری مستقیم نیز می پردازند. این ترکیبی از تمرکز تمرکز و یادگیری بی نظیر، هدف آن قرار دادن چالش بزرگ توسعه روانی مستقل برای ماشین آلات است. این بررسی سیستم های ارزش موجود برای روباتیک شناختی توسعه را در این زمینه بررسی می کند. ما تعاریف ارزش مورد استفاده را بررسی می کنیم، از جمله کار پیشگام اخیر در انگیزه ذاتی به عنوان ارزش و همچنین استراتژی های اولیه برای ارزش های ذاتی، استراتژی های به روز رسانی برای ارزش های به دست آمده و ساختار داده مورد استفاده برای ذخیره سازی ارزش. ما بررسی می کنیم که چه مقدار سیستم های ارزش موجود از تمرکز توجه، یادگیری و پیش بینی در یک محیط بی نظیر حمایت می کنند. انواع روبات ها و برنامه های کاربردی که در آن از این سیستم های ارزش استفاده می شود نیز مورد بررسی قرار گرفته است، و همچنین روش هایی که این برنامه ها ارزیابی می شوند. در نهایت، نقاط قوت و محدودیت های سیستم های فعلی ارزش را برای روبات های شناختی توسعه بررسی می کنیم و با مجموعه ای از چالش های تحقیق در این زمینه نتیجه گیری می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
سیستم های ارزش برای روباتیک شناختی توسعه: یک نظرسنجی
چکیده انگلیسی
This paper surveys value systems for developmental cognitive robotics. A value system permits a biological brain to increase the likelihood of neural responses to selected external phenomena. Many machine learning algorithms capture the essence of this learning process. However, computational value systems aim not only to support learning, but also autonomous attention focus to direct learning. This combination of unsupervised attention focus and learning aims to address the grand challenge of autonomous mental development for machines. This survey examines existing value systems for developmental cognitive robotics in this context. We examine the definitions of value used-including recent pioneering work in intrinsic motivation as value-as well as initialisation strategies for innate values, update strategies for acquired value and the data structures used for storing value. We examine the extent to which existing value systems support attention focus, learning and prediction in an unsupervised setting. The types of robots and applications in which these value systems are used are also examined, as well as the ways that these applications are evaluated. Finally, we study the strengths and limitations of current value systems for developmental cognitive robots and conclude with a set of research challenges for this field.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Cognitive Systems Research - Volume 41, March 2017, Pages 38-55
نویسندگان
,