Visserligen har både robot- och datortekniken nått långt, men när det gäller inlärning är den mänskliga hjärna fortfarande överlägsen. Så för den som vill lära robotar inlärning är det smart att studera hur hjärnan fungerar. Det har doktoranden Erik Billing, institutionen för datavetenskap vid Umeå universitet gjort i sin licentiatavhandling.
– Jag söker efter de mekanismer som krävs för att robotar ska kunna tillgodogöra sig helt ny information. Det viktigaste resultatet av min avhandling är en algoritm för inlärning med väldigt lite domänkunskap, baserad på neurologiska modeller av hur hjärnan fungerar, säger Erik Billing.
Han fokuserar i sin avhandling på LFD, som är en teknik där en lärare visar roboten hur den ska göra, och hur den i sin tur tolkar demonstrationen så att den kan repetera beteendet vid ett senare tillfälle, även då omgivningen förändrats. Flera perspektiv på representation, igenkänning och inlärning av beteende presenteras och diskuteras från ett kognitionsvetenskaplig och datavetenskapligt perspektiv i avhandlingen med namnet Cognition Reversed - Robot Learning from Demonstration.
Erik Billing har tittat på vad det är som händer i den mänskliga hjärnan vid inlärning och hur den kunskapen ska kunna användas för att utveckla bättre inlärningsmekanismer i robotar. Den teknik han är intresserad av använder förutsägelser för att successivt bygga mer och mer kunskap om situationer och samtidigt avgöra om kunskapen är tillräcklig för att utföra önskade uppgifter.
Inlägg
Inga kommentarer:
Skicka en kommentar