|
具身机器智能
该集团在自主智能机器人领域取得了相当大的成功。该团队的互动机器人在伦敦、伯明翰和林茨的科学博物馆展出。
这项研究已被记录在该领域的主要调查文本中(它是麻省理工学院机器人研究的唯一英国条目)，也在BBC和探索频道播放的众多电视纪录片中受到了国际媒体的高度关注。
该集团与Eaglemoss出版有限公司合作，开发了Cybot机器人套件，作为《真实机器人》杂志的一部分，为雷丁大学带来了超过120万欧元的国内和国际销售版税。超过50%的资金用于博士后研究资助和研究生资助。 |
|
|
|
 |
人形机器人大赛
第一个“机器人前进!”“人形机器人比赛是作为一项试点研究而启动的，以评估这种公众参与工具的形式和基础设施，并提高人们对拟议中的后续全国性比赛的认识。”来自伦敦和英格兰东南部学校的16个团队参与了试点。每个团队都必须“编程并升级”一个两足机器人，以便成功地在一系列项目中竞争。这在伦敦科学博物馆举行的现场比赛日中达到了高潮。事实证明，android Advance Challenge在学校、公众和所有参与组织的人那里都取得了巨大的成功，为非常广泛的受众提供了一个高影响力的活动。
|
|
|
智能控制
在欧洲航天局的资助下，该集团在智能控制方面的发展已被应用于优化航天器轨迹和寻找不变的相对卫星运动。
该小组在先验未知非线性系统的基于数据的建模方面做了大量工作。新的算法已被开发用于各种类型的应用，例如控制、信号处理、模式识别和通信。我们研究的例子包括具有异质噪声的非线性时间序列/动态系统的系统识别，针对不平衡数据集的新核分类器构建算法，用于模式识别的稀疏概率密度估计，以及用于OFDM无线通信系统的数据检测和相位噪声消除。
最近完成的工作包括:有效模糊控制器的开发，它映射小信号的线性控制律，但显示出比线性对应的更大的鲁棒性;动态神经网络反馈线性化方法的发展;以及利用光流和CMAC网络进行机器人平衡的研究。
集团拥有大量的实验室设备，可进行实时控制实验。该设备包括各种机器人机械手，移动机器人，3D起重机系统，移动机器人，单和双倒立摆，磁轴承装置，以及最先进的数据采集设备和实时控制软件。 |
|
|
|
|
重力辅助空间修剪(GASP)
这项工作得到了欧洲航天局的资助，重点是在多重重力辅助下优化航天器轨迹的问题。当空间探测器在行星上摆动时，就会发生重力辅助，有效地窃取行星的一些动量来获得速度(当然，行星被减速的量是可以忽略的!)执行一个或多个重力辅助允许探测器需要更少的燃料和到达更远的距离
多重力辅助(MGA)任务是在多个行星连续摆动时执行的任务。例如，最近的卡西尼-惠更斯号任务通过地球-金星-金星-地球-木星-土星的摆动序列到达土星。
由于所有行星都是同时运动的，MGA任务的搜索空间有大量的局部极小值，这意味着传统的优化技术很难找到好的解决方案。GASP背后的关键观察是，绝大多数空间质量非常差，在任务期间需要不可实现的大推力。相反，通过分别研究任务的每个阶段，这些不可行的区域可以被识别出来，并从问题中剔除，留下一个更小的空间，然后可以更有效地优化。原始的GASP技术基于高效的连续二维网格采样进行修剪。该方法在时间和空间上的复杂度都是多项式的，计算效率也很高。
|
|
|
|
|
不变卫星相对运动
这个最近的项目得到了欧洲航天局的资助，它采用了相对卫星运动的哈密顿公式和牛顿方法的一个变体来定位周期性或准周期性的相对卫星运动。模型中考虑的扰动包括非线性引力效应、地球扁率(J2效应)和参考轨道的偏心。采用牛顿法的优点是实现简单，解的非随机性可重复性，收敛速度快。为了评价用于生成周期参考轨迹的模型的质量的影响，进行了一项涉及模拟主/副卫星编队的闭环控制的研究。详情见欧空局最终报告。
|
|
|
神经网络
神经网络或人工神经网络是由相互关联的处理单元组成的数学结构，可以通过训练来再现复杂的输入输出模式。
在CIRG进行的神经网络的开发和应用研究与其他子主题紧密交织，特别是与智能控制、具体机器智能和计算神经科学。
特别是，最近在动态神经网络(可以描述为非线性动力系统的神经网络)的开发和分析、进化神经网络结构和塑料自组织映射的开发(见图)方面进行了工作。 |
|
|
智能搜索
随机扩散搜索(SDS)是一种基于种群的模式匹配算法。它属于群体智能家族和自然启发的搜索和优化算法，其中包括蚁群优化，粒子群优化和遗传算法。与蚁群优化中采用的基于模拟环境物理属性修改的标记式通信不同，SDS采用的是代理之间的直接(一对一)通信形式，类似于一种蚂蚁——尖钩胸(Leptothorax acervorum)所采用的串联呼叫机制。
在SDS中，代理对假设(搜索问题的候选解决方案)执行廉价的部分评估。然后他们通过一对一的直接交流分享关于假设的信息(信息扩散)。由于扩散机制，可以从具有相同假设的代理集群中识别出高质量的解决方案。
CIRG成员对随机扩散搜索(SDS)进行的研究导致了SDS的全面理论表征，这是迄今为止少数被证明具有全局收敛性和资源分配能力的SI算法之一。进一步的研究正在与伦敦的Goldsmiths学院合作，将SDS和应用扩展为一个强大的自组织计算资源管理框架。 |
|
|
应用认知系统
“认知系统是自然或人工的信息处理系统，包括负责感知、学习、推理和决策以及沟通和行动的系统”(DTI Foresight initiative)。这一定义促进了当前人工系统/机器人是较差的认知系统的结论。会议确定需要改进我们每天使用的设备，包括辅助技术，并产生医疗效益。我们的研究旨在创建灵活、健壮和适应性的应用认知系统。CIRG的主题有很多重叠和互利，在这里与嵌入的机器智能有很强的联系。ACS与环境(包括虚拟域)交互，通过与人类/动物行为的类比来寻求性能改进。EMI与物理环境相互作用，并通过任何适当的方法寻求性能改进。一个常见的主线是利用控制论反馈，与环境的交互提高了性能。自20世纪50年代控制论研究领域合并以来，认知系统研究一直是控制论的支柱。 |
|
|
|
|
学习
基于基因的机器学习是一组受进化启发的优化技术，通过选择最有前途的解决方案并从这些解决方案中反复“培育”新的解决方案来改进最初随机的解决方案。随着一代又一代的进步，人们会朝着解决问题的最佳方案前进。
学习分类器系统(LCS)是一种基于群体的进化技术，但它不是代表数字向量的基因组，而是为一组规则编码。利用这种生物学启发的方法，CIRG的成员已经将LCS的新变种应用于解决钢铁厂质量控制(见下图)、多路复用和机器人吸尘器路径规划等问题，显示出比其他现有方法的改进。
|
|
|
|
|
抽象
通过应用基于遗传的学习分类器系统的机器学习技术，对钢铁行业的规则进行数据挖掘，从而产生了抽象的需求，该技术利用q学习类型的更新进行强化学习。有人指出，许多规则具有类似的模式。例如，由于产品宽度不同，有许多“如果侧导向设置<宽度，则产品质量差”类型的规则。这导致了一个不必要的难以解释和学习缓慢的规则库。由于Connect4的巨大搜索空间、时间性质和可用模式，抽象方法的最初开发是基于已知的Connect4问题。在复杂的多步问题中，新开发的抽象算法成功地提高了领域性能，高阶抽象规则取代了广义状态-动作规则。希望该算法将有助于实现LCS技术作为人工认知过程的测试平台的预期用途。该图显示了训练过程中基本规则与抽象规则(实线)的百分比图(圆线)。
|
|
|
|
|
情绪
“情绪”在自主代理控制机制中的重要性已经通过真实和虚拟机器人平台得到了证明。一种新的代理体系结构被开发出来，为基于“情感”的控制提供基础。这个新系统没有将状态映射到动作，而是将状态映射到类似情绪的东西，然后再映射到状态。这提供了一种非线性的、时间的控制策略，它是非确定性的，因此在测试的探索性领域具有优势。一个适当的测试平台被创建，允许真实和虚拟的代理共存，并允许产生一些情感规则。与传统方法相比，基于情感的架构提供了许多好处，包括更简单的行为编程和改进复杂探索任务的性能。下面两张图展示了常规和情感机器人路径规划的结果。
|
|
|
|
|
价值体系
人工认知系统已经在单个目标、单个领域取得了成功，每个动作的价值都可以被评估/估计。然而，如果系统需要在多个目标之间做出选择，或者在价值估计很差的情况下选择一个行动，例如，由于当前状态和最终回报之间的链很长，那么就需要一个价值系统。目前对奥赛罗游戏的研究兴趣在于策略学习得益于其价值系统在每个给定状态下的更新。因此，学习变成了一个两个阶段的过程;1.学习每个状态下的移动值，2。学习通过状态的最佳策略。
|
|
|
|
|
内存
建议创建一个生物上非不可信的工作记忆模型，并将其纳入一般的认知架构，并将其嵌入人工代理(模拟并嵌入真正的移动机器人中)，以便测试其与复杂环境的相互作用。生物认知主体(如人类、老鼠和其他哺乳动物)位于现实世界中，因此必须在现实世界中行动，同时又受到现实世界的约束。
|
|
|
计算神经科学
计算神经科学与使用计算机建模和理解大脑有关。作为CIRG正在进行的研究的一部分，我们正在从许多不同的角度研究大脑，从自顶向下(脑电图分析)到自底向上(单神经元重建)。这些研究方向一方面与人机界面方面的努力相联系，另一方面又与机器学习方面的研究相联系。 脑电图分析
测量头皮上各点随时间变化的电势，可以推断出大脑中电活动的来源。由于大量神经元活动的同步模式而产生的脑电图(EEG)波动似乎包含了关于大脑认知处理及其健康状态的有用信息。CIRG的研究集中在描述同步模式的新技术及其在记忆障碍早期诊断中的应用。这样的研究很有意义，因为它描述了基本的认知过程，也因为它对痴呆的早期诊断具有实际的潜力。该研究与雷丁大学心理学和应用语言学学院以及德国马格德堡大学继续合作。与心理学和应用语言学学院合作的新项目，建立在脑电分析项目在BCI应用和记忆功能方面的成功基础上，专注于描述语言处理的脑电特征，而不需要对多次试验进行平均。这是非常重要的，因为标准平均方法可能会掩盖大脑中信息处理的重要特征，而且对于诊断脑损伤的受试者来说肯定是次优的，因为几乎从定义上来说，脑损伤是特定的。在与巴西Uberlandia大学的合作中，研究人员对来自耳道非常早期阶段的脑电图样信号进行了表征，这可能有助于从业者早期诊断听力障碍或诊断耳道肿瘤。
|
|
|
|
|
神经重建
该小组的成员一直致力于研究如何从显微镜下获得的成堆图像中重建神经元。这是一项复杂而耗时的任务，尽管图像数据在视觉上可能非常模糊，但通过Neuromantic应用程序的开发，在自动化该任务方面已经取得了重大进展。
通过这种技术创建的3D重建是有用的，有几个原因。首先，它们可以通过比较电生理测试和模拟得到的结果来帮助验证神经元行为模型。其次，比较生物学试验中控制组和试验组之间的各种形状统计指标，可以识别可能与神经疾病相关的显著差异，并有助于了解如何治疗/预防这些疾病。
|
米
