JP2013020644A - ハイブリッド制御デバイス - Google Patents
ハイブリッド制御デバイス Download PDFInfo
- Publication number
- JP2013020644A JP2013020644A JP2012222508A JP2012222508A JP2013020644A JP 2013020644 A JP2013020644 A JP 2013020644A JP 2012222508 A JP2012222508 A JP 2012222508A JP 2012222508 A JP2012222508 A JP 2012222508A JP 2013020644 A JP2013020644 A JP 2013020644A
- Authority
- JP
- Japan
- Prior art keywords
- neuron
- controller portion
- synaptic
- processors
- actuators
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39292—Neural brain based controller based on simplified model of vertebrate nervous system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39385—Hybrid control system with neural brain based controller and classical ctrler
Abstract
【解決手段】ロボット用ハイブリッド制御システムは、ニューロン制御部分と非ニューロン制御部分とを含むことができる。
【選択図】図1
Description
2005年9月13日に出願(代理人整理番号第NSRF−01008US0)されたJason G.Fleischer他による名称「ハイブリッド制御デバイス」の米国仮特許出願第60/716,821号。
2006年9月11日に出願(代理人整理番号第NSRF−01008US1)されたJason G.Fleischer及び他による名称が「ハイブリッド制御デバイス」の米国仮特許出願第11/530,685号。
本発明は、ロボット、特に周囲の状況について学習するように適合されたロボットに関する。
ここで、ωは、前の時間ステップからの活性の持続を調整する項である。ここで、ユニットiの入力に対するVDの寄与を次式で定義することができる。
POSTi=POSTi VI+POSTi VDである。
・6つの色ニューロン群の各々は、画像がその色参照テーブルによって決定された好ましい色にどれほど近く一致するかに比例した活性を有することができる。すなわち、色群における各細胞の活性は、画像内のピクセルの好ましい色に対する「接近度」を示す。例えば、緑色のガラス上に赤いボールを有する絵では、赤色群の活性は、ボールが存在する座標上を除いて、殆ど全ての場所でほぼゼロ(休止)とすることができる。
・垂直方向、水平方向、及び2つの対角線上のエッジフィルタ処理されたYチャネルは、対応する4つのエッジ群上に直接マッピングすることができる。SS−BBDの神経モデルにおいては、プレイしているフィールド上でロボットが認識する必要のあった各物体は、自己ニューロン領域、すなわち、ボール、ゴール、チームメート、対戦相手及び相手のゴール領域を有することができる(図3C参照)。これらの物体群は、1つ又はそれ以上の色ニューロン群からの組織分布的入力を受け取ることができる。
・ニューロン群における活性量は、非ニューロンコントローラに決定を行わせることができる。例えば、ボール領域のニューロンユニットの総活性が閾値を上回る場合、ボールは視界内に存在し、動作選択ユニットは、ボールを追いかけるよう決定することができる。
・組織分布的にマッピングされたニューロン群における活性の位置は、制御信号として非ニューロンコントローラが使用することができる。例えば、ボールを追跡している間に、障害物がSS−BBDの前で発見される。ボール領域内の活性の質量中心は、視界におけるボールの方位角及び進行方向に対応するx、y値を提供することができる。ボールの進行方向は、障害物回避アルゴリズムが障害物進行方向と併用して使用して、SS−BBDがどの方向に駆動すべきかを判断することができる。
・非ニューロンコントローラは、ニューロン群の間に一時的な結合を生成することができる。例えば、動作選択モジュールは、ボールを追いかけるべきであることを決定する。非ニューロンコントローラは、ボール群から頭部運動群への結合を生成し、結果として得られるニューロン活性のカスケードにより、SS−BBDがボールを追いかけるようになる。
・非ニューロンコントローラは、ある特定の状況において、ニューロンコントローラの運動出力をオーバライドすることができる。例えば、障害物回避モジュールは、自己の運動コマンドを優先して障害物を検出したときに、頭部−胴体ニューロンコントローラの出力を抑制することができる。
・ニューロンコントローラ及び非ニューロンコントローラの両方は、同じ入力ストリームを共有することができる。例えば、Darwin++は、感覚の皮質領域に直接進むレーザ距離データを有する。同じデータはまた、位置特定モジュールによって処理され、地図上の位置を決定することができる。
・推定値を改良するニューロンコントローラと非ニューロンコントローラとの間の情報の循環流れを構築することができる。例えば、Darwin++において、位置特定モジュールは、位置の推定値を提供する。すなわち、この推定値は、海馬の複雑モデルに与えられる幾つかの感覚手法の1つである。海馬のCA1領域内のニューロンユニットは、場所に強く関係している活性を有し、従って、これらのユニットの活性を用いて、閉じた円の位置特定モデルに関する位置の新しい仮説を提供することができる。
・非ニューロンコントローラは、神経活性を調節することができる。SS−BBDの1つのバージョンにおいて、ボールを追いかけている間にボール群から頭部群への一時的な結合が行われるのではなく、全ての物体領域から頭部群への結合が生じる場所でモデルが実装された。しかしながら、動作選択モジュールは、関心のある領域の基礎活性を増やし、物体領域間の相互抑制を許容して、頭部運動領域に向かう他の信号を無効にすることになる。
脳ベースデバイス(BBD)は、BBDが地形のいずれの側面を横断することができるか、及びいずれの側面を回避しなければならないかを学習することによって、変化する地形に適応することができる。BBDは、従来のロボットシステムの地図作成に勝る環境の態様に関して決定することができる。これらの決定は、本発明のBBDが作る局所物体特徴部の知覚カテゴリーを必要とし、従って、BBDは、進路を計画することができるようになる。
(線図1A.視覚系38)
領域HD内のニューロンは、多くの場合、「方向」細胞と呼ばれる。NOMAD10のホイール20から得られた情報を用いて、NOMAD10の現在の現在の進行方向を推定することができる。この情報は、方向神経領域(HD)内に入力される。360HDニューロンユニット(表1参照)の各々は、コサイン同調曲線を有し、πラジアンの同調幅を備えて好ましい進行方向に対して最大限に反応することができる。
擬似海馬体のアーキテクチャは、げっ歯類の神経構造に基づくことができる。海馬への入力の流れは、擬似神経系における連合皮質領域から、内嗅皮質2を介して海馬に到達することができる(表2及び線図1A〜線図1BにおけるATN−>ECIN、IT−>ECIN、Pr−>ECIN参照)。有孔経路は、主に内嗅皮質から歯状回に投射することができるが、CA3及びCA1サブフィールドにも投射する(表2及び線図1BにおけるECIN−>DG、ECIN−>CA3、ECIN−>CA1参照)。苔状繊維(表2及び線図1BにおけるDG−>CA3参照)、Schaffer側枝(表2及び線図1BにおけるCA3−>CA1参照)、及び海馬から皮質に戻る分岐投射(表2及び線図1A〜線図1BにおけるCA1−>ECOUT−>ATN、IT、Pr参照)もまた、擬似神経系12内に存在することができる。海馬体において見られる一般的な再発結合性はまた、擬似神経系12内にも含めることができる(表2及び線図1BにおけるECIN−>ECOUT、DG−>DG及びCA3−>CA3参照)。海馬特性内の結合の全て(すなわち、ECIN、ECOUT、DG、CA3、CA1)は、評価独立及び可塑性とすることができる(以下のシナプス可塑性の節を参照)。
擬似基礎前脳(BF)は、神経シミュレーションのために外因性のシータ律動を提供することができる。擬似基礎前脳領域の機能は、海馬内への入力をゲート制御し、活性レベルを安定に保つこととすることができる。BF領域は、13のシミュレーションサイクルを超える律動的活性を有することができる。
擬似評価システム44における活性は、NOMAD10によって経験された顕著な感覚事象の発生を信号伝達し、この活性は、図示の経路における結合強度の調整に寄与することができる。最初に、評価システムSは、隠れたプラットホーム36を検出するIR検出器24により活性化することができ(表2及び線図1AにおけるR+−>S参照)、評価依存結合の増強を引き起こし(CA1−>S及びCA1−>MHDG)、又は障害物回避IRセンサ22によって(表2及び線図1AにおけるR-−>S参照)評価依存結合の減退を引き起こす。学習後、上記及びより詳細に以下で説明する訓練試行に従って、領域CA1は、領域S活性に作用することができる。増強又は減退の大きさは、時間的差異(TD)学習規則の神経実施に基づくことができる。
NOMAD10は、3シータサイクル(39シミュレーションサイクル)前進し、次に、以下に説明するように新しい進行方向を選択することができる。NOMAD10が障害物を検出すると、24インチだけその方向を逆に戻り、次いで、障害物を検出したIRセンサ22から向きを変える。NOMAD10が隠れたプラットホーム36を検出すると、全てシステム12制御下で、反時計周りに60度回転して3秒間待機し、次に時計周りに60度回転して3秒間待機し、次いで、時計周りに更に60度回転して3秒間待機し、最後に反時計周りに回転して元の進行方向に戻ることができる。この時点でシミュレーションが終了し、擬似神経系12の現在の状態がハードディスク内に保存される。他の場合では、3シータサイクルの後、NOMAD10は、擬似神経系12の運動領域(MHDG)の活性に基づいて新しい進行方向を選択することができる。NOMAD10は、元の進行方向から、全てシステム12の制御下で、最初に反時計周りに60度回転して3秒間待機し、次に時計周りに60度回転して3秒間待機し、次いで時計周りに更に60度回転して3秒間待機し、最後に反時計周りに回転して元の進行方向に戻ることができる。MHDGの平均活性は、待機時間中に計算される。softmaxアルゴリズムを用いて、次式に基づき新しい進行方向を選択するための確率分布を生成することができる。
神経領域V1 Color、V1 Width、その他内のニューロンユニットは、平均発火率モデルによってシミュレートすることができる。各ユニットの状態は、平均発火率変数によって決定することができる。各ユニットの平均発火率変数は、約200ミリ秒の時間期間中のほぼ100ニューロンの群の平均活性又は発火率変数に相当する。
各ニューロンユニットの平均発火率は、連続的に0(休止)から1(最大発火)までの範囲をとることができる。ニューロンユニットの状態は、その現在の状態と電圧独立並びに電圧依存入力からの寄与の関数として更新することができる。ユニットjからユニットiへの電圧独立入力は、次式とすることができる。
表2に示すように、シナプス前ニューロンユニットは、所与の確率(p)及び所与の投射形状(軸)を有して、シナプス後ニューロンユニットに結合することができる。この樹状形状は、高さ及び幅(h x w)を有する矩形「[]」、又は内側半径及び外側半径(r1,r2)によって制限された形状を有するドーナツ形「Θ」であり、或いは、シナプス前及びシナプス後のニューロンユニットの何らかのペアが所与の結合確率を有する非組織分布的な「non−topo」とすることができる。初期結合強度cij(0)は、最小値及び最大値(min,max)によって与えられた範囲内で無作為に設定することができる。cij(0)の負の値は抑制結合を示す。「intra」でマークされた結合は、視覚的なサブ領域内の結合を示し、「inter」でマークされた結合は、視覚的なサブ領域間の結合を示す。#でマークされた投射は、評価依存とすることができる。既に説明したように、結合タイプは、電圧独立(VI)又は電圧依存(VD)とすることができる。φは結合の持続性を示す。η、k1及びk2の非ゼロ値は塑性結合を示す。
シナプス強度は、シナプス前及びシナプス後ニューロンユニットのフェーズ及び活性に依存する、シナプス規則に従った調整の影響を受けることができる。可塑的シナプス結合は、評価独立(線図1B及び表2におけるECIN−>DG、CA3、CA1、DG−>CA3、CA3−>CA1、CA1−>ECOUT参照)又は評価依存(CA1−>S、CA1−>MHDG参照)のいずれかとすることができる。これらの両方の規則は、修正されたBCM学習規則に基づいており、ここでは、シナプス変化(Δcij)は、シナプス後及びシナプス前ニューロンユニットの活性と、線図1Bの隣に挿入してグラフで示した可変閾値(θ)との関数である。強い相関性がある発火フェーズを備えたニューロンユニット間のシナプスは増強され、弱い相関性があるフェーズを備えたニューロンユニット間のシナプスは減退される。変化の大きさは、シナプス前及びシナプス後の活性によって同様に決定される。
評価依存可塑性に関する規則は、シナプス変化が、シナプス前活性と、後シナプス活性と、評価システムからの時間的差異TDとによって規定される点で、評価独立規則と異なることができる(上述の評価システム及び時間的差異学習を参照)。評価依存シナプス可塑性に関するシナプス変化は、次式で与えることができる。
104、106、108 センサ
110 コントローラ
112 ニューロンコントローラ部分
114 非ニューロンコントローラ部分
116、118、120 アクチュエータ
Claims (25)
- センサと、
前記センサからの入力を受け取り、ニューロンコントローラ部分及び非ニューロンコントローラ部分を含むコントローラと、
前記コントローラからコマンドを受け取るアクチュエータと、
を備えることを特徴とする装置。 - 前記アクチュエータの少なくとも1つが前記ニューロンコントローラ部分によって制御され、前記アクチュエータの別の少なくとも1つが、前記非ニューロンコントローラ部分によって制御される、
ことを特徴とする請求項1に記載の装置。 - 前記アクチュエータのうちの1つが前記ニューロンコントローラ部分と非ニューロンコントローラ部分の両方によって制御される、
ことを特徴とする請求項2に記載の装置。 - 前記アクチュエータのうちの1つが前記ニューロンコントローラ部分と前記非ニューロンコントローラ部分の両方によって制御される、
ことを特徴とする請求項1に記載の装置。 - 前記装置がロボットである、
ことを特徴とする請求項1に記載の装置。 - 前記ニューロンコントローラ部分及び前記非ニューロンコントローラ部分の両方が前記ロボット上にある、
ことを特徴とする請求項5に記載の装置。 - 前記アクチュエータの1つがカメラの方位を調整し、前記ニューロン部分が前記カメラの方位を制御する、
ことを特徴とする請求項5に記載の装置。 - 前記アクチュエータの1つが前記ロボットの動きを調整し、前記ニューロンコントローラ部分及び前記非ニューロンコントローラ部分が前記ロボットの動きの制御を分担する、 ことを特徴とする請求項5に記載の装置。
- 前記装置が物体を操作するためのアクチュエータを含み、前記物体の操作が前記非ニューロン部分によって制御される、
ことを特徴とする請求項5に記載の装置。 - 前記非ニューロンコントローラ部分が、前記ニューロンコントローラ部分にデータを提供する確率的位置特定モジュールを含む、
ことを特徴とする請求項1に記載の装置。 - 前記ニューロンコントローラ部分がニューロンユニットを含む、
ことを特徴とする請求項1に記載の装置。 - 前記ニューロンユニットがシナプス前処理及びシナプス後処理を行う、ことを特徴とする請求項11に記載の装置。
- 前記ニューロンユニットが他のニューロンユニットへのシナプス結合を有し、前記シナプス結合が結合強度と関連している、
ことを特徴とする請求項11に記載の装置。 - 可塑性処理において結合強度が変更される、
ことを特徴とする請求項13に記載の装置。 - センサと、
前記センサからの入力を受け取り、ニューロンコントローラ部分及び非ニューロンコントローラ部分を含むコントローラと、
前記コントローラから制御コマンドを受け取るアクチュエータと、
を備え、
前記アクチュエータの少なくとも1つが前記ニューロンコントローラ部分によって制御され、前記アクチュエータの別の少なくとも1つが前記非ニューロンコントローラ部分によって制御される、
ことを特徴とする装置。 - 前記アクチュエータのうちの1つが前記ニューロンコントローラ部分と非ニューロンコントローラ部分の両方によって制御される、
ことを特徴とする請求項15に記載の装置。 - 前記装置がロボットである、
ことを特徴とする請求項16に記載の装置。 - 前記ニューロンコントローラ部分と前記非ニューロンコントローラ部分の両方が前記ロボット上にある、
ことを特徴とする請求項17に記載の装置。 - センサと、
前記センサからの入力を受け取り、ニューロンコントローラ部分と、該ニューロンコントローラ部分にデータを提供する位置特定モジュールを有する非ニューロンコントローラ部分とを含むコントローラと、
前記コントローラから制御コマンドを受け取るアクチュエータと、
を備えることを特徴とする装置。 - 前記ニューロンコントローラ部分が前記位置特定モジュールにデータを提供する、
ことを特徴とする請求項19に記載の装置。 - 前記アクチュエータの少なくとも1つが前記ニューロンコントローラ部分によって制御される、
ことを特徴とする請求項19に記載の装置。 - 前記装置がロボットである、
ことを特徴とする請求項19に記載の装置。 - 前記位置特定モジュールが確率的位置モジュールである、
ことを特徴とする請求項19に記載の装置。 - 制御ロジックを格納させたコンピュータ使用可能媒体を備えるコンピュータプログラム製品であって、
前記制御ロジックが実行時に1つ又はそれ以上のプロセッサに脳ベースデバイスのニューロン制御部分の機能を実行させ、前記制御ロジックが、
前記1つ又はそれ以上のプロセッサに視覚機能を実行させる手段と、
前記1つ又はそれ以上のプロセッサに方向機能を実行させる手段と、
前記1つ又はそれ以上のプロセッサに海馬機能を実行させる手段と、
前記1つ又はそれ以上のプロセッサに評価機能を実行させる手段と、
前記1つ又はそれ以上のプロセッサに動作選択機能を実行させる手段と、
を含むことを特徴とするコンピュータプログラム製品。 - 制御ロジックを格納させたコンピュータ使用可能媒体を備えるコンピュータプログラム製品であって、
前記制御ロジックが実行時に1つ又はそれ以上のプロセッサに1つ又はそれ以上のニューロンユニットをシミュレートさせ、前記制御ロジックが、
前記1つ又はそれ以上のプロセッサに視覚系における1つ又はそれ以上のニューロンユニットの操作をシミュレートさせる手段と、
前記1つ又はそれ以上のプロセッサに方向システムにおける1つ又はそれ以上のニューロンユニットの操作をシミュレートさせる手段と、
前記1つ又はそれ以上のプロセッサに海馬体における1つ又はそれ以上のニューロンユニットの操作をシミュレートさせる手段と、
前記1つ又はそれ以上のプロセッサに評価システムにおける1つ又はそれ以上のニューロンユニットの操作をシミュレートさせる手段と、
前記1つ又はそれ以上のプロセッサに動作選択システムにおける1つ又はそれ以上のニューロンユニットの操作をシミュレートさせる手段と、
を含むことを特徴とするコンピュータプログラム製品。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US71682105P | 2005-09-13 | 2005-09-13 | |
US60/716,821 | 2005-09-13 | ||
US11/530,685 US7765029B2 (en) | 2005-09-13 | 2006-09-11 | Hybrid control device |
US11/530,685 | 2006-09-11 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008531224A Division JP2009508263A (ja) | 2005-09-13 | 2006-09-13 | ハイブリッド制御デバイス |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2013020644A true JP2013020644A (ja) | 2013-01-31 |
Family
ID=37865498
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008531224A Pending JP2009508263A (ja) | 2005-09-13 | 2006-09-13 | ハイブリッド制御デバイス |
JP2012222508A Withdrawn JP2013020644A (ja) | 2005-09-13 | 2012-10-04 | ハイブリッド制御デバイス |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008531224A Pending JP2009508263A (ja) | 2005-09-13 | 2006-09-13 | ハイブリッド制御デバイス |
Country Status (4)
Country | Link |
---|---|
US (3) | US7765029B2 (ja) |
EP (1) | EP1934894A4 (ja) |
JP (2) | JP2009508263A (ja) |
WO (1) | WO2007033101A2 (ja) |
Families Citing this family (97)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7765029B2 (en) * | 2005-09-13 | 2010-07-27 | Neurosciences Research Foundation, Inc. | Hybrid control device |
US8648867B2 (en) | 2006-09-25 | 2014-02-11 | Neurala Llc | Graphic processor based accelerator system and method |
US8346391B1 (en) * | 2006-12-28 | 2013-01-01 | Science Applications International Corporation | Methods and systems for an autonomous robotic platform |
EP2256667B1 (en) * | 2009-05-28 | 2012-06-27 | Honda Research Institute Europe GmbH | Driver assistance system or robot with dynamic attention module |
US8473436B2 (en) * | 2009-11-18 | 2013-06-25 | The Intellisis Corporation | Neural segmentation of an input signal and applications using simulated neurons, and a phase modulator |
US8483816B1 (en) * | 2010-02-03 | 2013-07-09 | Hrl Laboratories, Llc | Systems, methods, and apparatus for neuro-robotic tracking point selection |
US9405975B2 (en) | 2010-03-26 | 2016-08-02 | Brain Corporation | Apparatus and methods for pulse-code invariant object recognition |
US9311593B2 (en) | 2010-03-26 | 2016-04-12 | Brain Corporation | Apparatus and methods for polychronous encoding and multiplexing in neuronal prosthetic devices |
US9122994B2 (en) | 2010-03-26 | 2015-09-01 | Brain Corporation | Apparatus and methods for temporally proximate object recognition |
US8909950B1 (en) | 2010-04-18 | 2014-12-09 | Aptima, Inc. | Systems and methods of power management |
US8521671B2 (en) * | 2010-04-30 | 2013-08-27 | The Intellisis Corporation | Neural network for clustering input data based on a Gaussian Mixture Model |
US9906838B2 (en) | 2010-07-12 | 2018-02-27 | Time Warner Cable Enterprises Llc | Apparatus and methods for content delivery and message exchange across multiple content delivery networks |
US9015093B1 (en) | 2010-10-26 | 2015-04-21 | Michael Lamport Commons | Intelligent control with hierarchical stacked neural networks |
US8775341B1 (en) | 2010-10-26 | 2014-07-08 | Michael Lamport Commons | Intelligent control with hierarchical stacked neural networks |
US9177259B1 (en) * | 2010-11-29 | 2015-11-03 | Aptima Inc. | Systems and methods for recognizing and reacting to spatiotemporal patterns |
US8924218B2 (en) * | 2010-11-29 | 2014-12-30 | Greg L. Corpier | Automated personal assistance system |
JP5759164B2 (ja) * | 2010-12-20 | 2015-08-05 | 株式会社スクウェア・エニックス | ゲーム用人工知能 |
US9566710B2 (en) | 2011-06-02 | 2017-02-14 | Brain Corporation | Apparatus and methods for operating robotic devices using selective state space training |
US9070039B2 (en) | 2013-02-01 | 2015-06-30 | Brian Corporation | Temporal winner takes all spiking neuron network sensory processing apparatus and methods |
US8649884B2 (en) * | 2011-07-27 | 2014-02-11 | Honeywell International Inc. | Integrated linear/non-linear hybrid process controller |
US9098811B2 (en) | 2012-06-04 | 2015-08-04 | Brain Corporation | Spiking neuron network apparatus and methods |
US9224090B2 (en) | 2012-05-07 | 2015-12-29 | Brain Corporation | Sensory input processing apparatus in a spiking neural network |
US9412041B1 (en) | 2012-06-29 | 2016-08-09 | Brain Corporation | Retinal apparatus and methods |
US9186793B1 (en) | 2012-08-31 | 2015-11-17 | Brain Corporation | Apparatus and methods for controlling attention of a robot |
US9367798B2 (en) | 2012-09-20 | 2016-06-14 | Brain Corporation | Spiking neuron network adaptive control apparatus and methods |
US9311594B1 (en) | 2012-09-20 | 2016-04-12 | Brain Corporation | Spiking neuron network apparatus and methods for encoding of sensory data |
US8972315B2 (en) * | 2012-10-25 | 2015-03-03 | Brain Corporation | Apparatus and methods for activity-based plasticity in a spiking neuron network |
US9183493B2 (en) | 2012-10-25 | 2015-11-10 | Brain Corporation | Adaptive plasticity apparatus and methods for spiking neuron network |
US9111226B2 (en) | 2012-10-25 | 2015-08-18 | Brain Corporation | Modulated plasticity apparatus and methods for spiking neuron network |
US9218563B2 (en) | 2012-10-25 | 2015-12-22 | Brain Corporation | Spiking neuron sensory processing apparatus and methods for saliency detection |
US9275326B2 (en) | 2012-11-30 | 2016-03-01 | Brain Corporation | Rate stabilization through plasticity in spiking neuron network |
US9123127B2 (en) | 2012-12-10 | 2015-09-01 | Brain Corporation | Contrast enhancement spiking neuron network sensory processing apparatus and methods |
US9764468B2 (en) | 2013-03-15 | 2017-09-19 | Brain Corporation | Adaptive predictor apparatus and methods |
US8996177B2 (en) | 2013-03-15 | 2015-03-31 | Brain Corporation | Robotic training apparatus and methods |
EP2999940A4 (en) | 2013-05-22 | 2017-11-15 | Neurala Inc. | Methods and apparatus for early sensory integration and robust acquisition of real world knowledge |
EP3000030A4 (en) | 2013-05-22 | 2017-07-05 | Neurala Inc. | Methods and apparatus for iterative nonspecific distributed runtime architecture and its application to cloud intelligence |
US9242372B2 (en) | 2013-05-31 | 2016-01-26 | Brain Corporation | Adaptive robotic interface apparatus and methods |
US9314924B1 (en) | 2013-06-14 | 2016-04-19 | Brain Corporation | Predictive robotic controller apparatus and methods |
US9384443B2 (en) | 2013-06-14 | 2016-07-05 | Brain Corporation | Robotic training apparatus and methods |
US9792546B2 (en) | 2013-06-14 | 2017-10-17 | Brain Corporation | Hierarchical robotic controller apparatus and methods |
US9436909B2 (en) | 2013-06-19 | 2016-09-06 | Brain Corporation | Increased dynamic range artificial neuron network apparatus and methods |
US9239985B2 (en) | 2013-06-19 | 2016-01-19 | Brain Corporation | Apparatus and methods for processing inputs in an artificial neuron network |
US20150005937A1 (en) * | 2013-06-27 | 2015-01-01 | Brain Corporation | Action selection apparatus and methods |
WO2015010103A2 (en) | 2013-07-19 | 2015-01-22 | Opx Biotechnologies, Inc. | Microorganisms and methods for the production of fatty acids and fatty acid derived products |
US9552546B1 (en) | 2013-07-30 | 2017-01-24 | Brain Corporation | Apparatus and methods for efficacy balancing in a spiking neuron network |
JP6464447B2 (ja) * | 2013-09-02 | 2019-02-06 | 本田技研工業株式会社 | 観測値の予測装置及び観測値の予測方法 |
US9296101B2 (en) | 2013-09-27 | 2016-03-29 | Brain Corporation | Robotic control arbitration apparatus and methods |
US9579789B2 (en) * | 2013-09-27 | 2017-02-28 | Brain Corporation | Apparatus and methods for training of robotic control arbitration |
US9489623B1 (en) | 2013-10-15 | 2016-11-08 | Brain Corporation | Apparatus and methods for backward propagation of errors in a spiking neuron network |
US9597797B2 (en) | 2013-11-01 | 2017-03-21 | Brain Corporation | Apparatus and methods for haptic training of robots |
US9463571B2 (en) | 2013-11-01 | 2016-10-11 | Brian Corporation | Apparatus and methods for online training of robots |
US9248569B2 (en) | 2013-11-22 | 2016-02-02 | Brain Corporation | Discrepancy detection apparatus and methods for machine learning |
US9358685B2 (en) | 2014-02-03 | 2016-06-07 | Brain Corporation | Apparatus and methods for control of robot actions based on corrective user inputs |
US10552734B2 (en) | 2014-02-21 | 2020-02-04 | Qualcomm Incorporated | Dynamic spatial target selection |
US9533413B2 (en) | 2014-03-13 | 2017-01-03 | Brain Corporation | Trainable modular robotic apparatus and methods |
US9987743B2 (en) | 2014-03-13 | 2018-06-05 | Brain Corporation | Trainable modular robotic apparatus and methods |
US9364950B2 (en) | 2014-03-13 | 2016-06-14 | Brain Corporation | Trainable modular robotic methods |
US9626566B2 (en) | 2014-03-19 | 2017-04-18 | Neurala, Inc. | Methods and apparatus for autonomous robotic control |
WO2015143173A2 (en) * | 2014-03-19 | 2015-09-24 | Neurala, Inc. | Methods and apparatus for autonomous robotic control |
US9346167B2 (en) | 2014-04-29 | 2016-05-24 | Brain Corporation | Trainable convolutional network apparatus and methods for operating a robotic vehicle |
US20170244937A1 (en) * | 2014-06-03 | 2017-08-24 | Gopro, Inc. | Apparatus and methods for aerial video acquisition |
US9630318B2 (en) | 2014-10-02 | 2017-04-25 | Brain Corporation | Feature detection apparatus and methods for training of robotic navigation |
US9881349B1 (en) | 2014-10-24 | 2018-01-30 | Gopro, Inc. | Apparatus and methods for computerized object identification |
US9426946B2 (en) | 2014-12-02 | 2016-08-30 | Brain Corporation | Computerized learning landscaping apparatus and methods |
CN104617679B (zh) * | 2014-12-23 | 2016-08-31 | 惠州学院 | 基于无线供电的机器人智能足球场系统 |
US9717387B1 (en) | 2015-02-26 | 2017-08-01 | Brain Corporation | Apparatus and methods for programming and training of robotic household appliances |
US9840003B2 (en) | 2015-06-24 | 2017-12-12 | Brain Corporation | Apparatus and methods for safe navigation of robotic devices |
GB201512278D0 (en) | 2015-07-14 | 2015-08-19 | Apical Ltd | Hybrid neural network |
WO2017076928A1 (en) | 2015-11-02 | 2017-05-11 | Starship Technologies Oü | Method, device and assembly for map generation |
US10241514B2 (en) | 2016-05-11 | 2019-03-26 | Brain Corporation | Systems and methods for initializing a robot to autonomously travel a trained route |
US9987752B2 (en) | 2016-06-10 | 2018-06-05 | Brain Corporation | Systems and methods for automatic detection of spills |
US10282849B2 (en) | 2016-06-17 | 2019-05-07 | Brain Corporation | Systems and methods for predictive/reconstructive visual object tracker |
US10016896B2 (en) | 2016-06-30 | 2018-07-10 | Brain Corporation | Systems and methods for robotic behavior around moving bodies |
CN106125730B (zh) * | 2016-07-10 | 2019-04-30 | 北京工业大学 | 一种基于鼠脑海马空间细胞的机器人导航地图构建方法 |
US10274325B2 (en) | 2016-11-01 | 2019-04-30 | Brain Corporation | Systems and methods for robotic mapping |
US10001780B2 (en) | 2016-11-02 | 2018-06-19 | Brain Corporation | Systems and methods for dynamic route planning in autonomous navigation |
US10723018B2 (en) | 2016-11-28 | 2020-07-28 | Brain Corporation | Systems and methods for remote operating and/or monitoring of a robot |
US10377040B2 (en) | 2017-02-02 | 2019-08-13 | Brain Corporation | Systems and methods for assisting a robotic apparatus |
US10852730B2 (en) * | 2017-02-08 | 2020-12-01 | Brain Corporation | Systems and methods for robotic mobile platforms |
US10293485B2 (en) | 2017-03-30 | 2019-05-21 | Brain Corporation | Systems and methods for robotic path planning |
US11551028B2 (en) | 2017-04-04 | 2023-01-10 | Hailo Technologies Ltd. | Structured weight based sparsity in an artificial neural network |
US11238334B2 (en) | 2017-04-04 | 2022-02-01 | Hailo Technologies Ltd. | System and method of input alignment for efficient vector operations in an artificial neural network |
US10387298B2 (en) | 2017-04-04 | 2019-08-20 | Hailo Technologies Ltd | Artificial neural network incorporating emphasis and focus techniques |
US11615297B2 (en) | 2017-04-04 | 2023-03-28 | Hailo Technologies Ltd. | Structured weight based sparsity in an artificial neural network compiler |
US11544545B2 (en) | 2017-04-04 | 2023-01-03 | Hailo Technologies Ltd. | Structured activation based sparsity in an artificial neural network |
US10646999B2 (en) * | 2017-07-20 | 2020-05-12 | Tata Consultancy Services Limited | Systems and methods for detecting grasp poses for handling target objects |
US10810427B1 (en) * | 2017-12-15 | 2020-10-20 | AI Incorporated | Methods for an autonomous robotic device to identify locations captured in an image |
SE542950C2 (en) * | 2018-02-01 | 2020-09-22 | Leine & Linde Ab | Methods, computer programs, devices and encoders for signal error correction |
KR102657884B1 (ko) | 2018-12-18 | 2024-04-17 | 삼성전자주식회사 | 서비스 로봇의 동작 제어 방법 및 장치 |
DE102018133058A1 (de) | 2018-12-20 | 2020-06-25 | Beckhoff Automation Gmbh | Verfahren zum steuern eines automatisierungsprozesses in echtzeit |
US11958183B2 (en) | 2019-09-19 | 2024-04-16 | The Research Foundation For The State University Of New York | Negotiation-based human-robot collaboration via augmented reality |
US11221929B1 (en) | 2020-09-29 | 2022-01-11 | Hailo Technologies Ltd. | Data stream fault detection mechanism in an artificial neural network processor |
US11263077B1 (en) | 2020-09-29 | 2022-03-01 | Hailo Technologies Ltd. | Neural network intermediate results safety mechanism in an artificial neural network processor |
US11237894B1 (en) | 2020-09-29 | 2022-02-01 | Hailo Technologies Ltd. | Layer control unit instruction addressing safety mechanism in an artificial neural network processor |
US11811421B2 (en) | 2020-09-29 | 2023-11-07 | Hailo Technologies Ltd. | Weights safety mechanism in an artificial neural network processor |
CN113110492B (zh) * | 2021-05-07 | 2022-06-21 | 苏州大学 | 一种路径规划方法 |
CN114326386B (zh) * | 2021-11-30 | 2024-01-23 | 卡斯柯信号有限公司 | 一种列车自动驾驶轨迹规划与跟踪一体化控制方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05297904A (ja) * | 1992-04-22 | 1993-11-12 | Hitachi Ltd | 最適制御方式選定方法及び装置 |
JPH1083455A (ja) * | 1996-07-08 | 1998-03-31 | Sony Corp | 物体認識装置および方法 |
JPH10254592A (ja) * | 1997-03-13 | 1998-09-25 | Nec Corp | 感情生成装置およびその方法 |
JPH11259129A (ja) * | 1998-03-09 | 1999-09-24 | Yamaha Motor Co Ltd | 自律移動体の制御方法 |
JP2009508263A (ja) * | 2005-09-13 | 2009-02-26 | ニューロサイエンシーズ リサーチ ファンデーション インコーポレイテッド | ハイブリッド制御デバイス |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US1089221A (en) * | 1911-12-16 | 1914-03-03 | Basf Ag | Anthraquinone coloring-matters and process of making them. |
US4095367A (en) * | 1976-06-09 | 1978-06-20 | Takara Co., Ltd. | Articulated robot assembly |
US4884216A (en) * | 1987-11-09 | 1989-11-28 | Michael Kuperstein | Neural network system for adaptive sensory-motor coordination of multijoint robots for single postures |
US5048097A (en) * | 1990-02-02 | 1991-09-10 | Eastman Kodak Company | Optical character recognition neural network system for machine-printed characters |
US5920851A (en) * | 1991-08-13 | 1999-07-06 | The Research Foundation Of State University Of Ny | Method for generating a representation of an environment |
US5164826A (en) * | 1991-08-19 | 1992-11-17 | Westinghouse Electric Corp. | Method and apparatus for visual inspection of the internal structure of apparatus through internal passages |
US5491650A (en) * | 1993-04-19 | 1996-02-13 | California Institute Of Technology | High precision computing with charge domain devices and a pseudo-spectral method therefor |
US5991675A (en) * | 1993-06-02 | 1999-11-23 | Honda Giken Kogyo Kabushiki Kaisha | Vehicle control system based on estimation of the driving skill of a vehicle operator |
US6137886A (en) * | 1994-07-18 | 2000-10-24 | Cooper Tire & Rubber Company | Active vibration control method and apparatus |
US5781702A (en) * | 1995-06-07 | 1998-07-14 | Univ South Western | Hybrid chip-set architecture for artificial neural network system |
AU726049B2 (en) * | 1995-09-19 | 2000-10-26 | Veracel Inc. | A neural network assisted multi-spectral segmentation system |
US5748847A (en) * | 1995-12-21 | 1998-05-05 | Maryland Technology Corporation | Nonadaptively trained adaptive neural systems |
US6236908B1 (en) * | 1997-05-07 | 2001-05-22 | Ford Global Technologies, Inc. | Virtual vehicle sensors based on neural networks trained using data generated by simulation models |
US5987444A (en) * | 1997-09-23 | 1999-11-16 | Lo; James Ting-Ho | Robust neutral systems |
US6353814B1 (en) * | 1997-10-08 | 2002-03-05 | Michigan State University | Developmental learning machine and method |
EP1089221A3 (en) | 1999-09-29 | 2007-05-02 | Lucent Technologies Inc. | Spike-based hybrid computation |
WO2002073526A2 (en) * | 2001-03-13 | 2002-09-19 | Wide Horizon Holdings Inc. | Cerebral programming |
NZ530434A (en) * | 2001-07-02 | 2005-01-28 | Battelle Memorial Institute | Intelligent microsensor module |
US6553300B2 (en) * | 2001-07-16 | 2003-04-22 | Deere & Company | Harvester with intelligent hybrid control system |
WO2004018158A2 (en) * | 2002-08-21 | 2004-03-04 | Neal Solomon | Organizing groups of self-configurable mobile robotic agents |
WO2004033159A1 (ja) | 2002-10-11 | 2004-04-22 | Fujitsu Limited | ロボット制御アルゴリズム構築装置、ロボット制御アルゴリズム構築プログラム、ロボット制御装置、ロボット制御プログラム、およびロボット |
JP4587738B2 (ja) * | 2003-08-25 | 2010-11-24 | ソニー株式会社 | ロボット装置及びロボットの姿勢制御方法 |
US20060253223A1 (en) * | 2003-12-30 | 2006-11-09 | Vanderbilt University | Robotic trajectories using behavior superposition |
US7519452B2 (en) * | 2004-04-15 | 2009-04-14 | Neurosciences Research Foundation, Inc. | Mobile brain-based device for use in a real world environment |
US7627540B2 (en) * | 2005-06-28 | 2009-12-01 | Neurosciences Research Foundation, Inc. | Addressing scheme for neural modeling and brain-based devices using special purpose processor |
US7533071B2 (en) * | 2005-06-28 | 2009-05-12 | Neurosciences Research Foundation, Inc. | Neural modeling and brain-based devices using special purpose processor |
-
2006
- 2006-09-11 US US11/530,685 patent/US7765029B2/en not_active Expired - Fee Related
- 2006-09-13 EP EP06803361A patent/EP1934894A4/en not_active Withdrawn
- 2006-09-13 JP JP2008531224A patent/JP2009508263A/ja active Pending
- 2006-09-13 WO PCT/US2006/035357 patent/WO2007033101A2/en active Application Filing
-
2010
- 2010-07-23 US US12/842,914 patent/US20110022230A1/en not_active Abandoned
-
2012
- 2012-04-04 US US13/439,702 patent/US8583286B2/en not_active Expired - Fee Related
- 2012-10-04 JP JP2012222508A patent/JP2013020644A/ja not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05297904A (ja) * | 1992-04-22 | 1993-11-12 | Hitachi Ltd | 最適制御方式選定方法及び装置 |
JPH1083455A (ja) * | 1996-07-08 | 1998-03-31 | Sony Corp | 物体認識装置および方法 |
JPH10254592A (ja) * | 1997-03-13 | 1998-09-25 | Nec Corp | 感情生成装置およびその方法 |
JPH11259129A (ja) * | 1998-03-09 | 1999-09-24 | Yamaha Motor Co Ltd | 自律移動体の制御方法 |
JP2009508263A (ja) * | 2005-09-13 | 2009-02-26 | ニューロサイエンシーズ リサーチ ファンデーション インコーポレイテッド | ハイブリッド制御デバイス |
Non-Patent Citations (1)
Title |
---|
JPN7013003610; CHANG-HA1 XU, HUA-MING LI, XIN-HE XU: 'A COMPOSITE CONTROLLER BASED ON FUZZY RULES AND NEURAL NETWORKS FOR SOCCER ROBOT SYSTEM' First International Conference on Machine Learning and Cybernetics , 20021104, p511-p514 * |
Also Published As
Publication number | Publication date |
---|---|
US20110022230A1 (en) | 2011-01-27 |
WO2007033101A3 (en) | 2007-11-29 |
US8583286B2 (en) | 2013-11-12 |
US7765029B2 (en) | 2010-07-27 |
EP1934894A4 (en) | 2010-05-26 |
EP1934894A2 (en) | 2008-06-25 |
US20070100780A1 (en) | 2007-05-03 |
US20120209432A1 (en) | 2012-08-16 |
WO2007033101A2 (en) | 2007-03-22 |
JP2009508263A (ja) | 2009-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2013020644A (ja) | ハイブリッド制御デバイス | |
Ruan et al. | Mobile robot navigation based on deep reinforcement learning | |
De Souza et al. | Decentralized multi-agent pursuit using deep reinforcement learning | |
Codevilla et al. | End-to-end driving via conditional imitation learning | |
Chen et al. | Stabilization approaches for reinforcement learning-based end-to-end autonomous driving | |
US20150005937A1 (en) | Action selection apparatus and methods | |
US20150094850A1 (en) | Apparatus and methods for training of robotic control arbitration | |
Xu et al. | Monocular vision based autonomous landing of quadrotor through deep reinforcement learning | |
Haworth et al. | Deep integration of physical humanoid control and crowd navigation | |
Liu et al. | Episodic memory-based robotic planning under uncertainty | |
Rodríguez-Hernandez et al. | Flying through gates using a behavioral cloning approach | |
Mantegazza et al. | Vision-based control of a quadrotor in user proximity: Mediated vs end-to-end learning approaches | |
Hirose et al. | ExAug: Robot-conditioned navigation policies via geometric experience augmentation | |
Xing et al. | Neuromodulated patience for robot and self-driving vehicle navigation | |
Chen et al. | Cognitive map-based model: Toward a developmental framework for self-driving cars | |
Xu et al. | Avoidance of manual labeling in robotic autonomous navigation through multi-sensory semi-supervised learning | |
Fleischer et al. | A neurally controlled robot competes and cooperates with humans in Segway soccer | |
Takehara et al. | Autonomous car parking system using deep reinforcement learning | |
Rojas-Perez et al. | A temporal CNN-based approach for autonomous drone racing | |
CN111975775B (zh) | 基于多角度视觉感知的自主机器人导航方法及系统 | |
Fujita et al. | Vision, Strategy, and Localization Using the Sony Robots at RoboCup-98 | |
Jaladi et al. | End-To-End Training and Testing Gamification Framework to Learn Human Highway Driving | |
Prakash | Behavior-Aware Robot Navigation with Deep Reinforcement Learning | |
Lőrincz et al. | Imitation Learning for Generalizable Self-driving Policy with Sim-to-real Transfer | |
Lenser | On-line robot adaptation to environmental change |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121102 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121102 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130930 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20131227 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20140108 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20140331 |