TECHNOLOGY · 技术
具身智能
自由能门控可塑性实现人机物理交互中的实时在线运动学习
日本研究者提出自由能门控可塑性（FEGP），在真实人机交互中让随机初始化的机器人神经网络在线学习三种循环运动模式，无需预训练。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
arXiv 论文提出了一种名为自由能门控可塑性（FEGP）的方法，用于在物理人-机器人交互中实现实时在线运动学习。该方法基于预测编码启发的变分递归神经网络（PV-RNN），通过根据变分自由能调控有效学习率来持续调整突触权重。在真实的人机物理交互中，随机初始化的网络无需离线预训练、回放或任务边界信号，即可自主涌现出三种循环运动模式。对照实验表明，FEGP 在覆盖率和保持先前习得模式方面显著优于恒定学习率和打乱时序的回放。结果表明，可塑性相对于模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身-环境不匹配的时间分配而非其平均幅度或分布，对于持续在线学习中保持先前习得的行为至关重要。该研究由 Hiroki Sawada 和 Jun Tani 完成，发表于 arXiv。