论文部分内容阅读
本文受基底神经节启发,对机器人行为选择和行为序列学习方法展开了研究,并探讨了用FPGA实现基底神经节的相关技术,主要内容包括：(1)分析比较了基底神经节行为选择的相关数学模型,利用遗传算法优化了模型的参数,通过仿真实验比较了模型优化前后的行为选择性能；将基底神经节的模型嵌入到基于行为的控制体系结构中作为机器人的行为选择机构,编写了机器人收集食物的仿真实验程序,仿真实验证实了基底神经节的模型能够有效地选择出合适的行为；分析了基底神经节病变引起的两种典型运动性疾病——帕金森病和亨廷顿病的机理,通过仿真实验模拟了两种疾病对行为选择的影响,并在实际的机器人上研究了“患有”这两种疾病的机器人的行为模式。(2)研究了尖峰神经元模型及突触可塑性的相关性质,分析了尖峰神经元处理信息的方式与模糊控制的相似之处；通过“手眼协调”的机器人仿真实验,研究了两个核团之间的相互作用；在此基础上研究了基底神经节多个通道、多个核团之间的作用关系,提出了基底神经节行为选择的尖峰神经元网络模型,通过仿真实验和实际机器人验证了该行为选择模型的有效性。(3)研究了多巴胺神经元在条件反射过程中的活动特性及其对突触可塑性的调节作用,通过仿真的机器人走迷宫和识别文字两个实验,探索了这种调节作用的潜在应用；详细分析了基底神经节的强化学习机制的生物学基础,提出了基底神经节的Actor-Critic强化学习框架,在此基础上研究了基底神经节在机器人行为序列学习中所起的作用,通过仿真的机器人“拼写”单词的实验验证了所提方法的有效性。(4)对现有尖峰神经元模型作了必要变换,使之更易于用数字逻辑电路来实现；编写了FPGA实现单个尖峰神经元以及时序依赖的突触可塑性的Verilog HDL程序；提出了基底神经节FPGA实现的整体框架,细化了框架中各个子模块的功能并逐个予以实现,子模块最终组合成顶层模块,经过仿真、综合、实现等步骤,在Virtex-5 FPGA实验平台上实现了基底神经节这一大脑皮层下的重要神经机构；最终将FPGA实现的基底神经节成功地应用于实际机器人的行为选择。本文研究成果将会拓展基于行为的机器人学研究,为研制智能程度更高、更具有生物学基础的机器人作出贡献。