本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
這項工作在具體人工智慧和自組織的背景下提出了一種新穎的學習方法，該方法對世界和底層模型的假設和限制盡可能少。學習規則源自於最大化感覺運動迴路中的預測訊息的原理。它是在具有單獨控制的非通訊段的不同長度的機器人鏈上進行評估的。結果的比較表明，與每個機器人的最大化相比，最大化每個輪子的預測資訊會導致物理連接的機器人具有更高的協調行為。本文的另一個重點是分析機器人鏈條長度對機器人整體行為的影響。結果表明，具有較弱控制器能力的較長鏈優於具有較短長度和較複雜控制器的鏈。在學習過程的資訊幾何解釋中找到並討論了原因。