CN110046715A - 一种线索集成系统基础构成 - Google Patents

一种线索集成系统基础构成 Download PDF

Info

Publication number
CN110046715A
CN110046715A CN201910335216.6A CN201910335216A CN110046715A CN 110046715 A CN110046715 A CN 110046715A CN 201910335216 A CN201910335216 A CN 201910335216A CN 110046715 A CN110046715 A CN 110046715A
Authority
CN
China
Prior art keywords
clue
activation
target
source
integrated system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910335216.6A
Other languages
English (en)
Inventor
戴文跃
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201910335216.6A priority Critical patent/CN110046715A/zh
Publication of CN110046715A publication Critical patent/CN110046715A/zh
Priority to PCT/CN2020/085717 priority patent/WO2020216193A1/zh
Priority to US17/603,805 priority patent/US20230162011A1/en
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • G06N20/20Ensemble learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Neurology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种线索集成系统基础构成,目的是提供一种能够保持线索之间的激活作用关系、具有统一结构形式和运行机制的多范畴线索集成系统基本结构和基本运行方法。为实现上述目的,本发明从认知线索入手,提出虚线索、实线索、源线索、靶线索、线索元、源靶关系、线索元网络等一系列技术结构,以及线索元测控规则、线索觉察驱动机制等基本运行方法,使得不同范畴的相关线索得以集成和协作。本发明可以作为类脑智能系统的基本构建方法和基础系统。

Description

一种线索集成系统基础构成
技术领域
本发明涉及类脑人工智能领域,特别是涉及一种线索集成系统。
背景技术
大脑认知系统是一个极其复杂的多范畴信息集成协作系统,包括知觉、注意、理解、记忆、思维、控制等众多范畴,每个范畴都为认知活动提供特有的信息,这些不同范畴信息的集成和协作是大脑认知活动的重要基础。
类脑智能是人工智能的重要分支,其目标是使机器人具有人类的认知能力。类脑智能目前的研究主要集中在各种算法,例如人工神经网络、机器学习等等,其依赖基础是强大计算能力,而不是多范畴信息集成协作系统。
虽然人们早就注意到上下文、常识、知觉、注意、记忆、思维、调控等众多信息能够对认知活动产生影响,但由于在人工智能领域缺乏具有统一的结构形式和运行机制的多范畴认知信息集成方法和系统,使得许多对认知有用的信息难以被及时应用。
发明内容
本发明的目的在于提供一种能够保持线索之间的激活作用关系、具有统一的结构形式和运行机制的多范畴线索集成系统的基础构成,即系统的基本结构和基本运行机制。
为实现上述目的,本发明从线索入手,提出虚线索、实线索、源线索、靶线索、线索元、源靶关系、线索元网络等一系列技术结构,以及线索元测控规则、线索觉察驱动机制等基本运行方法,使得不同范畴的信息得以集成和协作,形成线索集成系统的基本结构和基本运行机制。以下对这两方面发明内容作详细说明。
1. 线索集成系统的基本结构。
本发明的“线索元网络”,是线索集成系统的基本结构。该线索元网络由线索元依照线索之间的源靶关系联结构成,其构成要素有:线索、线索元、源靶关系。以下对这三种构成要素作详细说明。
1.1 “线索”,在本发明中线索是指对事物认知有引导作用的信息。线索的载体是线索元,线索与线索元一一对应,在不至混淆时线索元也简称线索。
线索之间存在激活作用,发出激活作用的线索称为源线索,受到激活作用的线索称为靶线索,源线索依据设定输出对其靶线索加载激活作用。
最普遍的情况是:一个线索既有受到激活作用的时候,也有发出激活作用的时候。即一个线索既有它的源线索,也有它的靶线索。
在本发明中,被激活的线索称为“实线索”,未被激活的线索称为“虚线索”,线索的激活状态只有虚线索或实线索,在不至混淆时都简称线索。
在源线索的激活作用下,一个虚线索能否被激活成为实线索,要看它的激活条件是否得到满足,因此每个线索都必须有其设定的激活条件。
在本发明中,线索是构成线索元的核心要素,每个线索(相对于所属线索元称为本线索)都隶属于一个线索元且与线索元一一对应。
1.2 “线索元”,本发明的“线索元”是线索的载体,也是构成线索元网络的基本要素。图1是本发明线索元的构成示意图, 由图可见与该线索元直接关联的有p个源线索元和q个靶线索元。
图1左端的竖线和箭头代表线索元的输入单元,用以接受各个源线索的输入。图1右端的竖线和箭头代表线索元的输出单元,用以向各个靶线索输出本线索的激活作用。图1中间点划线框内的线索元主体代表了本线索并具有一个激活作用合成单元和一个测控单元。
本发明的线索元具有:一个(本)线索及其设定的激活条件;一个激活作用输入单元,用以接受各个源线索的激活作用;一个激活作用合成单元,用以将各源线索的激活作用合成为对本线索的综合激活作用;一个激活作用输出单元,用以依据源靶关系输出本线索的激活作用;一个测控单元,用以依据综合激活作用的变化对线索元各组成部分进行协调控制。
输入单元通常体现为一个输入接口;合成单元通常体现为一个合成规则;输出单元通常体现为若干个与源靶关系对应的设定输出。
线索元的测控单元依照线索元测控规则自主运行。所述线索元测控规则是:本线索能够被激活并保持为实线索的充分必要条件是对本线索的综合激活作用满足本线索的激活条件;若未满足本线索激活条件,则本线索保持为虚线索;若满足本线索激活条件,则本线索立即成为实线索,并启动线索元的激活作用输出单元,依据源靶关系将设定输出加载到本线索的所有靶线索;当激活条件不再满足时,立即触发设定的延时,延时结束后本线索即恢复为虚线索并关闭激活作用输出单元。
设定延时的意义是在源线索的激活作用不再满足本线索的激活条件时,本线索不会立即变为虚线索,从而可控地延长本线索设定输出的作用时间。
一个线索被激活成为实线索,对应的线索元也相应地成为实线索元,当线索恢复为虚线索,对应的线索元也相应地恢复为虚线索元。
1.3 “源靶关系”,本发明的“源靶关系”是指两个线索之间的激活作用关系。每一对源、靶线索都有一个源靶关系,每个源靶关系都有设定输出,源线索被激活后即依据设定输出向其靶线索加载激活作用。源线索对靶线索的激活作用是从源线索元的激活作用输出单元发出,被对应靶线索元的激活作用输入单元接受。
源靶关系首先是一种结构关系,它以统一的形式清晰地表达了激活作用的发出者和接受者,并用设定输出来表达源线索对靶线索的激活作用。线索元网络就是由线索元依据源靶关系联结构成,形成了线索集成系统的基本结构。
源靶关系也是一种逻辑关系,依据源靶关系可以找出一个线索的来龙去脉。一个线索被激活就意味着这个线索被觉察到,而一个线索的来龙去脉信息也就是为了觉察到这个线索所要经历的激活历程。
2. 线索集成系统的基本运行机制。
“线索觉察驱动机制” 是本发明线索集成系统的基本运行机制,该基本运行机制由两部分组成:(1)每个线索元的测控单元依照线索元测控规则自主运行;(2)线索元网络的所有线索元依照源靶关系形成并行运行。
之所以称为“线索觉察驱动机制”,是因为每个线索元的本线索觉察是驱动线索集成系统运行的最主要动力。
本线索的觉察是由线索元的输入单元、合成单元以及测控单元共同协作自动完成的,这三个单元的协作构成了一个“本线索觉察器”,本线索觉察器的内涵就是本线索之所以成立的逻辑和证据。
本线索的觉察过程就是一个既定的激活过程,源线索加载的激活作用满足激活条件则本线索就被激活成为实线索,否则就仍然保持为虚线索。
当一个虚线索被激活为实线索,该线索的激活作用就会依据源靶关系加载到其所有靶线索。若其中某个靶线索的激活条件得到满足,则该靶线索就被激活成为实线索,否则就仍然保持为虚线索,这就是线索觉察驱动的传导原理。
本发明线索集成系统的基本结构和基本运行机制能够保持线索之间的激活作用关系,具有统一的结构形式和运行机制,使不同范畴的线索得以集成和协作。与现有的各种基于计算方法和计算能力的技术方案相比,在基本结构和工作原理上更类似大脑认知系统,可以作为类脑智能系统的基本构建方法和基础系统。
附图说明
图1 是“线索元”构成示意图。
图2 是通用线索集成系统各子系统设置示意图。
图3 是“站姿”线索初步集成示意图。
图4 是“(0)像点点模式” 各点位示意图。
图5 是“像点亮度变化”线索元设计示意图。
图6是“朝向知觉基准定位角”线索元设计示意图。
具体实施方式
实施本发明的技术路线是:(1)根据线索集成系统的具体应用目标合理设置子系统,筛选汇集线索;(2)进行线索元设计;(3)对所设计的系统进行仿真分析和优化设计;(4)采用计算机或芯片构建实用系统。其中,(3)、(4)两个步骤的技术不属于本发明。以下结合具体实施例对本发明作进一步详细说明。
实施例1 通用线索集成系统的子系统设置。
构建线索集成系统的目的不同,其子系统的设置就可能不同。构建通用的事物认知系统,其子系统的设置就侧重于普遍认知原理的运用。
图2是通用线索集成系统各子系统设置示意图。图中的知觉、注意、理解、记忆、语言、调控都是线索集成系统的子系统。向心的箭头表示这些子系统是高度协同的,它们对于同一个认知事物提供各自的认知线索。
示意图中心的“认知线索集成”表示这些子系统所提供的线索是高度集成的。在本发明中,所谓“线索集成”就是在“保持线索之间的源靶关系,遵循统一的结构形式和运行机制”的条件下汇集线索。
以下是通用线索集成系统各子系统的简要说明。
(1)知觉子系统提供了线索集成系统中最基础、最核心的组成线索。机器人可以依靠多种传感器来获得自我、空间、时间、形像、运动、声音、外力等等的感知线索并综合成为知觉线索,这一点与人类有很大不同。
本实例为了不使子系统过于繁杂,将感觉线索归入知觉子系统,所以直接来自传感器的线索属于知觉子系统。一般来说,知觉是感觉的初级综合。而深层次的综合则具有多层级源靶关系,属于理解子系统。
机器人的自我知觉线索是很多认知的基础,这是因为机器人的自我知觉能够为事物认知提供很多基础性和前导性的线索,例如机器人的状态、地点、任务、环境以及机器人的自身参考系等都是事物认知的重要线索。
(2)注意子系统提供了认知线索发生突然或显著变化的线索,例如:知觉子系统提供的颜色、亮度、运动、声音、触碰、磁场、温度等线索的显著变化;语言子系统提供的“意愿”线索的变化;特定模式线索的出现等等。
注意子系统也提供持续注意目标的连续变化的线索,以及注意目标之间的关系变化线索。例如视点迁移和视点跟踪过程中的视点位置变化,两点之间距离的变化等,这些线索对于机器人视觉伺服行动是必要的。
(3)理解子系统提供了各种事物模式的特征线索,以视觉模式为例:点位、视差、颜色、亮度等线索;点模式、线段模式、端点模式、角隅模式、曲线模式、区域模式、轮廓模式等特征线索;轮廓的组成和运动线索等等。
所谓“理解”首先是指在事物模式重构过程中提取模式特征线索;其次,理解的含义还在于实现特征线索提取的方法是线索觉察器,而线索觉察器的内涵就是每个特征线索之所以成立的逻辑和证据。
(4)记忆子系统提供各种时长的记忆线索。瞬时记忆例如:视点记忆线索、视像序列、闪光模式等;短时记忆例如:地点、对象、任务等各种短时记忆线索,“这个”、“那个”、“这里”、“那里”等各种指代线索;长期记忆例如:特定情境、特定陈述、动作序列等。
记忆不仅是线索保存和回忆的方法,更是某些线索觉察器的重要构成,例如:亮度变化觉察器要用到同点位之前时刻的亮度线索;位移觉察器要用到之前和当前时刻的点位线索;轨迹觉察器要用到视像序列线索。
(5)语言子系统能够提供情境的前导线索,例如:“下楼”这个事概念线索能使“楼梯”、“电梯”等相关线索易化;语言子系统也能够提供主动“看”的意愿线索,例如:“看前方”、“注意左边”等等;语言子系统还能够提供视觉认知结果的确认线索,例如:“这是…”、“那是…”等。
语言子系统提供的线索范围极其广泛,像思维、动机、情绪、学习等涉及语言思维的线索范畴都是语言子系统的子系统,语言线索在各种事物认知中起到的作用都极其重要。仅上述简单例子就说明语言类线索提供的情境前导线索、视点迁移线索、学习指导线索等等对于事物认知都是不可或缺的。
(6)调控子系统提供了各种调节和控制指令,例如:注意调控指令,机器人体位姿态控制指令、机器人运动控制指令、机器人操作控制指令、视点迁移指令、视点迁移调控指令、视点跟踪伺服控制指令等等。
调控子系统还可细分为中枢调控和具体控制两个层级,中枢调控综合来自注意子系统的各种显著变化并发出调控指令;具体控制子系统根据接收到的调控指令进一步发出具体控制指令实现具体控制。
由于线索的种类繁多数量巨大,因此线索必须根据认知任务需要有选择地汇集,使那些与认知目标联系紧密、影响显著的重要线索入选而将其它次要线索舍弃,并在线索集成系统的设计和使用过程中逐步优化。
实施例2:世界参考系的基本知觉线索。
机器人对空间的知觉需要用到一系列的参考系,世界参考系是机器人所采用的一系列参考系中的绝对参考系,一般不随机器人的结构而改变。世界参考系的基本知觉线索包括:地点、方向、方位等。
在世界参考系中,“地点”用卫星定位系统提供的经纬度数据表示,例如(东经110,北纬45)。地点数据来自传感器。
在世界参考系中,基本方向的知觉线索有:上、下、东、西、南、北。更精细的方向知觉线索有:北偏东(西)X等,这里的北是指地理北。
“上”、“下”方向线索均以“重力方向”为基准,重力方向数据来自重力传感器。
“北”是可以由传感器直接获得的方向线索,东、西、南方向线索以及“北偏东(西)X”方向线索则需要由相关线索进一步综合才能获得。
在世界参考系中,基本方位的知觉线索有:水平、垂直,更一般的方位线索有:倾斜。方位线索可以通过视觉获得,也可以由方位传感器与视觉共同协作获得。
实施例3:机器人“站姿”线索的初步集成。
线索的初步集成是指线索的源线索、靶线索筛选汇集,不包括线索元设计。
机器人最常用的姿态有“站姿”、“坐姿”、“卧姿”等,这些知觉线索是机器人自我知觉的基本线索。
机器人知觉自身的姿态,既要依赖机器人的一系列相对参考系线索,还要依赖这些相对参考系在世界参考系中的定位线索。
重力方向线索由重力传感器提供,是世界参考系的最重要线索。由重力方向与机器人的某些相对参考系形成的角度线索(由传感器测得)将相对参考系与世界参考系联系起来,并成为相对参考系的定位线索。
因为本实施例采用的是抽象的机器人,所以将上述与姿态相关的相对参考系线索和世界参考系线索也抽象地用 “机器人姿态基准线索集”表示,通过调控这些姿态基准线索就可以得到机器人的各种姿态。
图3是机器人“站姿”线索初步集成示意图。图中双点划线框将“站姿”线索与它的源、靶线索区分开。
“站姿”线索的源线索是“机器人姿态基准线索集”。设“机器人姿态基准线索集”有n个姿态基准线索如图3所示,则机器人的某个特定姿态必定是这n个姿态基准线索的某个特定组合。
当这个特定组合满足“站姿”线索的激活条件时,“站姿”线索就被激活为实线索,“站姿”线索觉察器就体现了这样一个特定的实线索组合。
“站姿”线索的靶线索与线索集成系统的开发目标紧密相关。当机器人处于“站姿”时,下一步必须的和可能的行为都在考虑范围之内。为了使实施例简明扼要,图3只举出“站姿”线索的部分靶线索,括号内是线索类别。
“站姿”线索从内涵上说是一个知觉线索,其内涵是由“站姿”线索觉察器确定的,本质上与其名称无关。名称作为内涵的语言代表,“站姿”这个名称是存在于语言子系统的,除了供系统开发人员使用外,更是机器人思维和交流的线索。
“哪儿是北”是语言系统关于方向的思维线索,将其列入靶线索是因为当“站姿”成为实线索后,知觉方向就是一个可能的行为。
“步行伺服控制”是一个调控线索,将其列入靶线索,是因为当“站姿”成为实线索后,行走就是一个可能的行为。
同样,“体位姿态调控”也是一个调控线索,将其列入靶线索,是因为当“站姿”成为实线索后,继续调整体位姿态也是一个可能的行为。
“运动知觉调控”也是一个调控线索。当机器人因为行走或调控姿态而与环境之间有相对运动时,必须能够从感知到的运动线索中区分因为自我运动而引起的相对运动,从而确保对外界运动线索的注意和认知。
“当前姿态记忆”是一个记忆线索,通常是时间很短的感知记忆。
本线索(“站姿”)对上述靶线索的激活作用都是“易化”,所谓易化是指对靶线索加载了本线索的设定输出,相当于提高了靶线索的激活水平,但靶线索是否被激活则要看靶线索的激活条件是否满足。
实施例4:“(0)像点点模式”线索的初步集成。
在视像参考系中,任取一个像点(称为本点),与其全部邻点构成点模式,本点位于模式的中心位置,周围是本点的邻点。图4是“(0)像点点模式” 各点位示意图,本点位于中心(0)点,8个邻点从(1)~(8)编号,形成8个方向。
视像参考系类似于人类眼睛视网膜的参考系,视像参考系像点的视觉线索包括红、绿、蓝颜色分量以及亮度等线索。像点的点模式是像点视觉线索的进一步扩展和综合,包括各邻点颜色、亮度的分布等,像点点模式属于理解类线索。
“(0)像点点模式”线索的源线索如下:(0)~(8)共9个像点,每个像点的红色、绿色、蓝色、亮度线索,共计36个知觉类源线索。
“(0)像点点模式”线索的靶线索如下:“(0)像点点模式”的红色、绿色、蓝色、亮度的平均对比度;“(0)像点点模式”在(1)~(8)方向上的红色、绿色、蓝色、亮度的方向对比度;计有4个平均对比度和32个方向对比度,总计36个靶线索。
所述“平均对比度”是指本点的参数值与其所有邻点的同名参数的平均值的对比度,即本点参数值与邻点同名参数平均值的差值,该类线索属于理解类。
所述“方向对比度”是指本点的参数值与其某个方向的邻点同名参数值的对比度,即本点参数值与该方向邻点同名参数值的差值,该类线索也属于理解类。
实施例5:“像点亮度变化”线索元设计。
像点亮度变化是指同一像点当前时刻与之前时刻的亮度差异,这种差异是注意系统的基础线索,亮度变化大的地方往往是引起注意的地方。
在视像参考系中,任取一个像点,该像点的一个视觉线索是“像点亮度变化” 线索,图5是“像点亮度变化”线索元设计示意图,双点划线框内是“像点亮度变化”线索元。
“像点亮度变化”线索有两个源线索。一个是知觉线索“当前时刻像点亮度”,该线索对本线索的设定输出是:当前时刻像点亮度;另一个是记忆线索“之前时刻像点亮度”,该线索对本线索的设定输出是之前时刻像点亮度。
“像点亮度变化”线索有两个靶线索,一个是“像点亮度增量”线索,另一个是“像点亮度减量”线索。
“像点亮度变化”线索元的合成单元的合成规则是:∆=(当前时刻像点亮度)—(之前时刻像点亮度)。“像点亮度变化”线索的激活条件为:∆≠0。
“像点亮度变化”线索元的测控单元判断本线索的激活条件是否满足,若不满足则使本线索保持为虚线索。
若满足激活条件,则使本线索的激活状态由虚线索变为实线索,并开启输出单元,依据源靶关系将设定输出加载到该线索的所有靶线索。
“像点亮度变化”线索对“像点亮度增量”线索的设定输出为:若 ∆>0,输出∆,否则不输出;对“像点亮度减量”线索元的设定输出为:若 ∆<0,输出∆,否则不输出。
当激活条件不再满足时,测控单元开启延时,本实施例取为2毫秒,在设定的延时结束时,将本线索激活状态变为虚线索,并关闭输出单元。
实施例6:“朝向知觉基准定位角”线索元设计。
对于机器人来说,在世界参考系中知觉方向,例如指出“哪儿是北”,或者“我的朝向”,需要以自身的某个参考系作为朝向参考系,以朝向参考系的某个基准方向作为朝向知觉基准。在本实施例中,以机器人的胸部参考系(左、上、前参考系)作为朝向参考系,以胸部参考系的“前”方向作为朝向知觉基准。
朝向知觉基准与世界参考系的联系,或者说在世界参考系中的定位,是通过朝向知觉基准与“北方向”的夹角φ实现的。因此“北方向”也称为朝向知觉基准的定位基准,角度φ称为朝向知觉基准定位角。
当机器人判断地理方向时,一般需要调整体位姿态,使朝向知觉基准处于特定方位。例如使机器人的朝向参考系(胸部参考系)在世界参考系中处于直立姿态,即“下”方向与重力方向平行,从而使得机器人的朝向知觉基准处于“水平方位”。
机器人判断地理方向,通常须由具体任务和环境线索激活类似“分辨我的朝向”这样的思维决策线索,从而引发相关调控,例如:激活“机器人姿态基准线索集”的线索,调整胸部参考系的姿态,进而激活“朝向知觉基准定位角”线索。
图6是“朝向知觉基准定位角”线索元设计示意图,图中列出了该线索的三个主要源线索:“分辨我的朝向”、“胸部直立”、“北方向”。
“分辨我的朝向”源线索是语言子系统的一个思维决策线索,决定了要进行我的朝向分析判断。该线索对“朝向知觉基准定位角”线索的设定输出是激活状态。
“胸部直立”是一个自我知觉线索,该线索被激活的内涵是胸部参考系处于直立状态。该线索对“朝向知觉基准定位角”线索的设定输出是激活状态。
“北方向”是一个由传感器提供的知觉线索,该线索提供了朝向知觉基准的定位基准。该线索对“朝向知觉基准定位角”线索的设定输出是激活状态。
“朝向知觉基准定位角”线索元的合成规则是:以朝向知觉基准与“北方向”的夹角φ(由传感器获得)作为合成结果,朝向知觉基准相对于定位基准“逆时针”转动所得φ角为正,“顺时针”转动所得φ角为负,0<φ<180:偏西,-180<φ<0:偏东。
“朝向知觉基准定位角”线索的激活条件为:“分辨我的朝向”、“胸部直立”、“北方向”三个源线索都是实线索,即三个源线索的“合取”为真。
为简明扼要,图6只列出了“朝向知觉基准定位角”线索的部分靶线索,主要是世界参考系的“东”、“西”、“南”、“北”、“北偏东X”、“北偏西X”几个主要方向知觉线索,以及“我朝向”语言线索。
“朝向知觉基准定位角”线索对上述各靶线索的设定输出如下。
对“北偏西X”靶线索:若0<φ<180,输出φ,否则不输出。
对“北偏东X”靶线索:若-180<φ<0,输出φ,否则不输出。
对“东”靶线索:若φ= - 90,输出本线索激活状态,否则不输出。
对“南”靶线索:若φ= 180,输出本线索激活状态,否则不输出。
对“西”靶线索:若φ= 90,输出本线索激活状态,否则不输出。
对“北”靶线索:若φ= 0,输出本线索激活状态,否则不输出。
对“我朝向”靶线索:输出本线索激活状态。

Claims (7)

1.一种线索集成系统基础构成,其特征在于,包括:线索,是构成线索元的核心要素;线索元,是构成线索元网络的基本要素; 源靶关系,是构成线索元网络的基本要素;线索元网络,是线索集成系统的基本结构和形态;线索元测控规则,是线索觉察驱动机制的组成部分; 线索觉察驱动机制,是线索集成系统的基本运行方法。
2.根据权利要求1所述一种线索集成系统基础构成,其特征在于,所述线索的特征是:每个线索都隶属于一个线索元,且与线索元一一对应;每个线索都具有设定的激活条件;每个线索都有虚线索或实线索两种激活状态。
3.根据权利要求1所述一种线索集成系统基础构成,其特征在于,所述线索元的特征是:每个线索元具有一个线索及其设定的激活条件,且与线索一一对应;每个线索元具有一个输入单元,用以接受其源线索加载的激活作用;每个线索元具有一个合成单元,用以形成对本线索的综合激活作用;每个线索元具有一个输出单元,用以向其靶线索加载本线索的激活作用;每个线索元具有一个测控单元,用以协调控制线索元各组成部分的行为。
4.根据权利要求1所述一种线索集成系统基础构成,其特征在于,所述源靶关系的特征是:每对源、靶线索都有一个源靶关系;每个源靶关系都有设定输出,用以设定源线索向靶线索加载的激活作用;源线索对靶线索的激活作用是从源线索元的激活作用输出单元发出,被对应靶线索元的激活作用输入单元接受。
5.根据权利要求1所述一种线索集成系统基础构成,其特征在于,所述线索元网络的特征是:该网络是由线索元依照线索之间的源靶关系联结构成。
6.根据权利要求1所述一种线索集成系统基础构成,其特征在于,所述线索元测控规则的特征是:本线索能够被激活并保持为实线索的充分必要条件是对本线索的综合激活作用满足本线索的激活条件;若未满足本线索激活条件,则本线索保持为虚线索;若满足本线索激活条件,则本线索立即成为实线索,并启动线索元的激活作用输出单元,依据源靶关系将设定输出加载到本线索的所有靶线索;当激活条件不再满足时,立即触发设定的延时,延时结束后本线索即恢复为虚线索并关闭激活作用输出单元。
7.根据权利要求1所述一种线索集成系统基础构成,其特征在于,所述线索觉察驱动机制的特征是:每个线索元的测控单元依照线索元测控规则自主运行;线索元网络的所有线索元依照源靶关系形成并行运行。
CN201910335216.6A 2019-04-24 2019-04-24 一种线索集成系统基础构成 Pending CN110046715A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910335216.6A CN110046715A (zh) 2019-04-24 2019-04-24 一种线索集成系统基础构成
PCT/CN2020/085717 WO2020216193A1 (zh) 2019-04-24 2020-04-20 一种线索集成系统基础构成
US17/603,805 US20230162011A1 (en) 2019-04-24 2020-04-20 Configuration of cue integration system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910335216.6A CN110046715A (zh) 2019-04-24 2019-04-24 一种线索集成系统基础构成

Publications (1)

Publication Number Publication Date
CN110046715A true CN110046715A (zh) 2019-07-23

Family

ID=67279033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910335216.6A Pending CN110046715A (zh) 2019-04-24 2019-04-24 一种线索集成系统基础构成

Country Status (3)

Country Link
US (1) US20230162011A1 (zh)
CN (1) CN110046715A (zh)
WO (1) WO2020216193A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020216193A1 (zh) * 2019-04-24 2020-10-29 戴文跃 一种线索集成系统基础构成

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101807245A (zh) * 2010-03-02 2010-08-18 天津大学 基于人工神经网络的多源步态特征提取与身份识别方法
CN103262103A (zh) * 2010-07-13 2013-08-21 M8公司 用于情景分析的处理器
CN104809501A (zh) * 2014-01-24 2015-07-29 清华大学 一种基于类脑协处理器的计算机系统
CN104965426A (zh) * 2015-06-24 2015-10-07 百度在线网络技术(北京)有限公司 基于人工智能的智能机器人控制系统、方法和装置
US20170178001A1 (en) * 2015-12-21 2017-06-22 Glen J. Anderson Technologies for cognitive cuing based on knowledge and context
CN107992937A (zh) * 2016-10-26 2018-05-04 北京大学深圳研究生院 基于深度学习的非结构化数据判决方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190079739A1 (en) * 2016-01-11 2019-03-14 New Sapience, Inc. Method and system for machine comprehension
CN103400145B (zh) * 2013-07-19 2016-08-10 北京理工大学 基于线索神经网络的语音-视觉融合情感识别方法
CN110046715A (zh) * 2019-04-24 2019-07-23 戴文跃 一种线索集成系统基础构成

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101807245A (zh) * 2010-03-02 2010-08-18 天津大学 基于人工神经网络的多源步态特征提取与身份识别方法
CN103262103A (zh) * 2010-07-13 2013-08-21 M8公司 用于情景分析的处理器
CN104809501A (zh) * 2014-01-24 2015-07-29 清华大学 一种基于类脑协处理器的计算机系统
CN104965426A (zh) * 2015-06-24 2015-10-07 百度在线网络技术(北京)有限公司 基于人工智能的智能机器人控制系统、方法和装置
US20170178001A1 (en) * 2015-12-21 2017-06-22 Glen J. Anderson Technologies for cognitive cuing based on knowledge and context
CN107992937A (zh) * 2016-10-26 2018-05-04 北京大学深圳研究生院 基于深度学习的非结构化数据判决方法和装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020216193A1 (zh) * 2019-04-24 2020-10-29 戴文跃 一种线索集成系统基础构成

Also Published As

Publication number Publication date
WO2020216193A1 (zh) 2020-10-29
US20230162011A1 (en) 2023-05-25

Similar Documents

Publication Publication Date Title
Chi et al. Development of user interface for tele-operated cranes
CN106794576B (zh) 基于线性预测位置和速度控制器的全向轮式类人机器人
CN109311639A (zh) 用于起重机、施工机械和/或托盘搬运车的遥控装置
Azuma Overview of augmented reality
US10559135B1 (en) Fixed holograms in mobile environments
CN105808071B (zh) 一种显示控制方法、装置和电子设备
AU2015248711A1 (en) Omnidirectional wheeled humanoid robot based on a linear predictive position and velocity controller
CN103019386A (zh) 一种人机互动的控制方法及其运用
Abdelaal et al. Visualization for architecture, engineering, and construction: Shaping the future of our built world
CN110046715A (zh) 一种线索集成系统基础构成
CN104914993A (zh) 一种手势控制民机客舱座椅调整的体验式设计方法
Achten Buildings with an Attitude
Sisbot et al. Implementing a human-aware robot system
CN117406762A (zh) 一种基于分段式强化学习的无人机远程控制算法
Scheper et al. Evolution of robust high speed optical-flow-based landing for autonomous MAVs
KR20180042601A (ko) 항공통합시뮬레이션을 이용한 드론영상촬영 지원시스템 및 방법
Sainidis et al. Single-handed gesture UAV control and video feed AR visualization for first responders
KR102239618B1 (ko) 가상현실 조종수 시뮬레이터용 제어 시스템
CN110322567A (zh) 动态修改包括预定特征的视觉元素的视觉渲染
Wen et al. Teleyes: A telepresence system based on stereoscopic vision and head motion tracking
IT201800002114A1 (it) Procedimento indirizzato a pazienti con disabilita' motorie per scegliere un comando mediante un'interfaccia grafica, relativo sistema e prodotto informatico
Barakonyi et al. Augmented reality agents for user interface adaptation
Shruti et al. Arduino Based Hand Gesture Controlled Robot
CN114723807A (zh) 质心轨迹确定方法、装置、足式机器人、设备及介质
CN110321772A (zh) 动态影响视觉元素的定制视觉渲染

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190723

RJ01 Rejection of invention patent application after publication