Evolução De Redes Neurais Artificiais Em Uma Arquitetura Cognitiva Biologicamente Inspirada Para Navegação Autônoma Em Labirintos

Content Provider	Semantic Scholar
Author	Marin, Luciene De Oliveira Roisenberg, Mauro Pieri, Edson Roberto De
Copyright Year	2016
Abstract	This work proposes an evolution of ANN arrangements into a neural architecture biologically inspired, that allows autonomous navigation of mazes for a robotic agent. During the evolution is described the online learning techniques, as well as the performances, advantages and disadvantages of each proposed arrangement. The base construction of the cognitive architecture is based in the theories of cognitive maps and latent learning. Without any priori knowledge, the simulated robot explores completely the maze and then navigates from a start place to a destination place. The cognitive architecture provides that complex behaviors happen concomitantly with the reflexive and reactive behaviors, implemented by AANs. From the results of simulations, it is verified that the best arrangement is composed by a recurrent ART, switching MLP nets with reinforcement learning. This way are obtained desirable performances, supporting the stability-and-plasticity dilemma related to the learning of state-action mappings. Keywords— Mobile Robot Navigation, ART Adaptive Resonance Theory, Multi-Layer Perceptron, Cognitive Maps, Reinforcement Learning. Resumo— Este trabalho propõe uma evolução de arranjos de RNAs dentro de uma arquitetura neural biologicamente inspirada, que permite a navegação autônoma de labirintos por um agente robótico. Durante a evolução são descritas as técnicas de aprendizado em tempo de operação, bem como os desempenhos, vantagens e desvantagens de cada arranjo proposto. A construção base da arquitetura cognitiva se fundamenta nas teorias de mapas cognitivos e aprendizado latente. Sem nenhum conhecimento a priori, o robô simulado explora por completo o labirinto e em seguida navega de um local de origem a um local objetivo. A arquitetura cognitiva provê que comportamentos complexos ocorram concomitantemente com os comportamentos reativos e reflexivos, implementados pelas RNAs. A partir dos resultados das simulações, constata-se que o melhor arranjo é o composto por uma rede ART re-alimentada, comutando redes MLPs com aprendizagem por reforço. Desta forma são obtidos desempenhos desejáveis, atendendo ao dilema da estabilidade e plasticidade relacionado ao aprendizado de mapeamentos de estado-ação. Palavras-chave— Navegação de Robôs Móveis, rede ART Adaptive Resonance Theory, redes Multi-Layer Perceptrons, Mapas Cognitivos, Aprendizagem por Reforço.
Starting Page	1
Ending Page	6
Page Count	6
File Format	PDF HTM / HTML
DOI	10.21528/CBRN2007-035
Alternate Webpage(s)	https://fei.edu.br/sbai/SBAI2007/docs%5C50100035.pdf
Alternate Webpage(s)	https://doi.org/10.21528/CBRN2007-035
Language	English
Access Restriction	Open
Content Type	Text
Resource Type	Article