بازگشت به جستجو

یادگیری تقویتی چندوجهی برای سازگاری خاص شریک در تعامل ربات-چند روبات

عنوان	یادگیری تقویتی چندوجهی برای سازگاری خاص شریک در تعامل ربات-چند روبات
نویسنده	Kırtay، M.، Hafner، V. V.، Asada، M.، Kuhlen، A. K.، Öztop، Erhan
تاریخ انتشار:	2022
محل انتشار	- IEEE
نوع	سند
زبان	انگلیسی
دیجیتال	بله
نسخه خطی	خیر
کتابخانه:	دانشگاه اوزیغین
شناسه دارایی کتابخانه	979-835030979-9
شماره ثبت	af867d1e-d7fc-46a1-a5c7-ee9d403c6f14
محل کتابخانه	علوم کامپیوتر
تاریخ	2022
یادداشت‌ها	بنیاد تحقیقات آلمان؛ انجمن ژاپن برای ترویج علم؛ دانشگاه اوزاکا
متن نمونه	کار تیمی موفق و کارآمد مستلزم آگاهی از تخصص افراد تیم است. چنین دانشی معمولاً در تعامل اجتماعی به دست می‌آید و مبنایی برای رفتار باهوش اجتماعی و سازگار با شریک است. هدف این مطالعه پیاده‌سازی این توانایی در تیم‌های چند ربات انسان‌نما است. برای این منظور، یک ربات انسان نما به نام Nao با سه ربات Pepper تعامل کرد تا یک کار متوالی یادآوری الگوی سمعی و بصری را انجام دهد که نیاز به یکپارچه سازی اطلاعات چندوجهی داشت. Nao تصمیمات خود (به عنوان مثال، انتخاب اقدامات) را به شرکای ربات خود برون سپاری کرد تا با استفاده از یادگیری تقویتی، کار را از نظر هزینه محاسباتی عصبی به طور موثر انجام دهد. در طی این تعامل، Nao تخصص خاص شرکای خود را آموخت که به Nao اجازه داد تا برای راهنمایی به شریکی که تخصص مربوط به وضعیت فعلی را دارد مراجعه کند. پردازش شناختی Nao شامل یک حافظه خودکار تداعی چندوجهی بود که امکان تعیین هزینه پردازش ادراکی (یعنی بار شناختی) را هنگام پردازش محرک های دیداری و شنیداری فراهم می کرد. به نوبه خود، هزینه پردازش توسط یک ماژول تولید پاداش داخلی به سیگنال پاداش تبدیل می شود. در این تنظیمات، ربات یادگیرنده Nao قصد دارد تا با مراجعه به شریکی که تخصص او با یک وضعیت کاری مشخص مطابقت دارد، بار شناختی را به حداقل برساند. به طور کلی، نتایج نشان می دهد که ربات یادگیرنده تخصص شرکا را کشف می کند و از این اطلاعات برای اجرای وظیفه خود با هزینه محاسباتی عصبی کم یا بار شناختی استفاده می کند.
DOI	10.1109/Humanoids53995.2022.10000205

مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات

دانشگاه اوزیغین

یادگیری تقویتی چندوجهی برای سازگاری خاص شریک در تعامل ربات-چند روبات

نویسنده Kırtay، M.، Hafner، V. V.، Asada، M.، Kuhlen، A. K.، Öztop، Erhan

تاریخ انتشار 2022

محل انتشار - IEEE

نوع سند

زبان انگلیسی

دیجیتال بله

نسخه خطی خیر

کتابخانه دانشگاه اوزیغین

شناسه دارایی کتابخانه 979-835030979-9

شماره ثبت af867d1e-d7fc-46a1-a5c7-ee9d403c6f14

محل کتابخانه علوم کامپیوتر

تاریخ 2022

یادداشت‌ها بنیاد تحقیقات آلمان؛ انجمن ژاپن برای ترویج علم؛ دانشگاه اوزاکا

متن نمونه کار تیمی موفق و کارآمد مستلزم آگاهی از تخصص افراد تیم است. چنین دانشی معمولاً در تعامل اجتماعی به دست می‌آید و مبنایی برای رفتار باهوش اجتماعی و سازگار با شریک است. هدف این مطالعه پیاده‌سازی این توانایی در تیم‌های چند ربات انسان‌نما است. برای این منظور، یک ربات انسان نما به نام Nao با سه ربات Pepper تعامل کرد تا یک کار متوالی یادآوری الگوی سمعی و بصری را انجام دهد که نیاز به یکپارچه سازی اطلاعات چندوجهی داشت. Nao تصمیمات خود (به عنوان مثال، انتخاب اقدامات) را به شرکای ربات خود برون سپاری کرد تا با استفاده از یادگیری تقویتی، کار را از نظر هزینه محاسباتی عصبی به طور موثر انجام دهد. در طی این تعامل، Nao تخصص خاص شرکای خود را آموخت که به Nao اجازه داد تا برای راهنمایی به شریکی که تخصص مربوط به وضعیت فعلی را دارد مراجعه کند. پردازش شناختی Nao شامل یک حافظه خودکار تداعی چندوجهی بود که امکان تعیین هزینه پردازش ادراکی (یعنی بار شناختی) را هنگام پردازش محرک های دیداری و شنیداری فراهم می کرد. به نوبه خود، هزینه پردازش توسط یک ماژول تولید پاداش داخلی به سیگنال پاداش تبدیل می شود. در این تنظیمات، ربات یادگیرنده Nao قصد دارد تا با مراجعه به شریکی که تخصص او با یک وضعیت کاری مشخص مطابقت دارد، بار شناختی را به حداقل برساند. به طور کلی، نتایج نشان می دهد که ربات یادگیرنده تخصص شرکا را کشف می کند و از این اطلاعات برای اجرای وظیفه خود با هزینه محاسباتی عصبی کم یا بار شناختی استفاده می کند.

DOI 10.1109/Humanoids53995.2022.10000205