电子信息技术

本发明提供了一种机器人姿态路径目标航迹优化的认知发育算法CBCLA，分为八个部分，分别为有限的内部状态集合，系统的输出集合，内部操作行为集合，状态转移方程，系统在t时刻在内部状态，评价函数，纹状体基质的动作选择概率输出，多巴胺能，可以用一个八元数组表示：CBCLA＝{SC,MC,CbA,f,r(t),BGstrio,BGmatrix,SNDPA}，本发明模拟生物体感觉运动系统的神经活动，以学习自动机为框架，结合内在动机机制驱动生物体自主学习的特点,本认知发育算法运用到移动机器人路径规划研究当中，机器人在未知环境下，通过自主学习发育，逐渐掌握运动平衡控制技能，并实现目标的实时跟踪。

人与动物智能行为的体现是学习与记忆，其多种技能都是在神经系统由自学习和自组织的过程中慢慢形成并渐渐发展起来的，学习和模拟人与动物的神经活动和自我调节机制，并将其赋予给智能机器人，是人工智能与控制科学的重要研究课题。1996年，J.Weng最早提出机器人自主心智发育思想，他认为智能体应该在模拟人脑的基础上，在内在发育程序的控制下通过传感器和效应器与未知环境交互来发展心智能力。Brooks等强调机器人与教师、环境进行交互学习逐渐发展其智能，并通过结合神经科学的研究理论提出模拟人与动物的脑皮层中的前额叶、下丘脑、海马等区域的计算模型来处理复杂环境中复杂问题，这也就涉及到了感觉运动系统。最初的认知发育是从感觉运动系统协调机制的形成和发育开始，同时感觉运动系统又是在内在动机形成和发育的过程中不断协调和完善的。神经学相关文献表明，在人与动物学习的过程中，大脑皮层、基底核以及小脑会以自身特有的方法平行工作，并且在人与动物运动有关的相互关系中，小脑和基底核分布在大脑皮质到脊髓之间运动信号传递的路线的两侧，它们会参与任一行为动作的发起及控制。

本发明模拟生物体感觉运动系统的神经活动，以学习自动机为框架，结合内在动机机制驱动生物体自主学习的特点，提出了一种机器人姿态路径目标航迹优化的认知发育算法，本认知发育算法运用到移动机器人路径规划研究当中，机器人在未知环境下，通过自主学习发育，逐渐掌握运动平衡控制技能，并实现目标的实时跟踪。