کنترل‌کننده آموزش پذیر برگرفته از ساختار سیستم عصبی جهت تولید رفتارهای پیچیده در ربات انسان‌نما

در این مقاله مسیله‌ی کنترل حرکت ربات‌های انسان‌نما مورد بررسی قرار می گیرد. مسیله‌ی یادگیری حرکات مشابه انسان به‌خصوص حرکات موزون و تکرارشونده به ربات های انسان نما چالشی بزرگ در زمینه علم رباتیک محسوب می شود. یادگیری تقلیدی که زیرمجموعه‌ای از یادگیری بانظارت است، یک فرم اصلی جهت یاد دادن کارهای پیچیده به ربات به شمار می آید و بر این اساس استوار است که یک سیستم مصنوعی می تواند حجم بالایی از اطلاعات را از طریق یادگیری تقلیدی از فرد آموزش دهنده یاد بگیرد. روش اصلی به کار گرفته ‌شده در این تحقیق جهت یادگیری حرکات موزون و تکرارشونده به ربات انسان نمای نایو، یادگیری تقلیدی است. تکنیک اصلی به‌کار رفته در این پژوهش استفاده از ساختارهای عصبی موسوم به مولد مرکزی الگو می‌باشد که قادر است الگوی موردنیاز برای حرکت در یک ربات را بر اساس یک نوع آموزش نمایشی به دست آورد. نحوه‌ی طراحی سیستماتیک این ساختار عصبی مصنوعی که در علم کنترل کاربرد‌های فراوانی دارد، اصلی‌ترین چالش پیش روست که در این مقاله به ارایه‌ی روشی برای آن پرداخته‌ شده است. روش سیستماتیک طراحی و آموزش مولد‌های مرکزی الگو که از بازخوردهای حسی جهت تطابق خود با شرایط جدید استفاده می‌کند، در یک مدل دولایه‌ای مورد بحث و بررسی قرار داده‌ شده است. مدل ارایه‌ شده یک بستر مناسب جهت ارایه‌ی آموزش‌های نمایشی و مبتنی بر نمایش برای ربات‌های انسان‌نما محسوب می‌شود که نیاز به کنترل صریح و برنامه‌نویسی مستقیم را برطرف می‌سازد و امکان آموزش غیرمستقیم رفتارهای پیچیده روی انواع ربات‌ها را مهیا می‌سازد.