• 提供配置文件
  • 人工智能研究中心(CAIR)是计算与数学科学学院的重要研究中心之一

    我们是一个由叶伟教授领导的研究小组。我们在机器人技术方面的工作旨在开发一系列智能机器人，每个机器人都为人类和动物如何计算其空间环境的表示提供了一些重要的见解。在空间认知的文献中，后一种过程被称为认知映射及其产物——认知地图。
产品组合

  • 机器人:机器人为人类和动物如何计算其空间环境的表示提供了一些重要的见解

  • 智能机器人是专门为研究认知地图和认知地图而设计的机器人。这些机器人被视为它们自己的一个物种，它们的认知映射正在研究中。通过观察不同的生物制剂如何映射它们的环境，我们了解了很多关于认知映射的知识。有人认为，使用机器人也可以做到这一点，前提是解决研究人员使用生物制剂时遇到的类似问题。

    因此，albot并不是用来模拟认知映射的机器人。为了区分这两者，考虑地标在认知映射中的重要使用。在模拟方法中，机器人被编程使用某些感知到的特征作为地标，主要是为了演示如何在映射过程中使用这些信息。在Albot的方法中，问题本身，即如何识别地标和为什么，需要调查。为了使算法具有认知相关性，它必须展示人类和动物使用地标的一些关键特征。其中一个特征是地标稀疏且相距很远，即不是每个视图中的所有独特特征都被视为地标。那么，Albot是如何在绘制地图的过程中识别和使用地标的呢?关于认知绘制，它告诉了我们什么?

  • 过去和未来的项目

  • Albots0和Albots1

  • 到目前为止，我们已经创建了两个albot, Albot0和Albot1。Albot0是该系列的第一款游戏，旨在研究生物如何利用不精确的地图找到回家的路。采用了带有声纳传感器的机器人。声纳读数有噪声，如果没有纠错，所创建的地图会高度扭曲和不准确。这给我们带来了一个挑战:有了这样的地图，Albot0如何找到回家的路?具有不同感觉能力的生物制剂经常面临这一挑战。我们创建了一种算法，利用Albot0不精确的空间地图中提供的距离和方向信息，让它找到回家的路。这两种信息通常用于生物制剂。实现Albot0的一个重要经验是，认知地图中的空间性为我们提供了丰富而有用的信息。这反驳了最近的一些观点，即认知地图的概念并不有用。 For details of this work, see: W.K. Yeap (2011) How Albot0 finds its way home: A novel approach to cognitive mapping using robots. To appear in Topics in Cognitive Science

    Albot1的设计目的是研究如何将连续的视图整合起来形成一个感知图。使用激光测距机器人。请注意，机器人和认知科学研究人员采用的标准解决方案是将当前视图中的物体坐标转换为下一个视图。这种方法是有吸引力的，因为存在一个简单的数学过程，并且已经开发了新的概率算法，扩展了基本方法来处理由于传感器造成的误差。然而，人们发现在扫视层面上并不能整合连续的视图，这种现象被称为变化盲视。他们的认知地图是支离破碎的，不精确的，但如果他们的知觉地图是精确而详细的，为什么会这样呢?Albot1的创建是为了研究如何在不整合连续视图的情况下创建一个不那么详细的感知地图，但仍然足够精确地帮助我们定位到看不见的位置。图1为Albot1创建的碎片感知图。有关这项工作的详细信息，请参见:W.K. Yeap(2011)人类感知映射的计算理论。

    接受参加认知科学会议。叶w.k.， Md. Z. Hossain, T. Brunner (2011)
    关于知觉映射的实现理论。提交AAAI-2011。

    我们目前正在扩展我们的工作，以展示如何使用视觉计算感知图，以及如何识别和使用地标。我们还在使用Albots测试婴儿在他们的世界中发现概念，即原意理论。

    我们热衷于将我们的新算法用于机器人的实际用途。其中一个应用是开发可以在葡萄园、葱场和芦笋场等农场自主工作的机器人(见图2)。

    机器人会有初衷吗?

    • 图1:使用我们的新算法生成的感知图

    • (来自图2 XX)

    • 图2:Albots可以在葡萄园里游荡和工作吗