Ezen a héten folytattam az újonnan megkezdett tudományos cikk fordítását Azt döntse el az angolul jól tudó olvasó, hogy milyen minőségben fordítottam őket, de talán jól. A fordításhoz szótárnak most a https://translate.google.hu/?hl=hu#en/hu/awareness oldalt használtam, ahol a szavak angol és magyar megfelelőinek belinkelt hangfájljait is mindig többször meghallgattam gyakorolva a kiejtést. Továbbá a lefordított mondatokat egészben is visszahallgattam és visszamondtam most is a http://www.ivona.com/ oldalon. Illetve folytattam a http://www.asknature.org/ oldalon, amely angol nyelvű, mérnöki tervezéshez felhasználható, természeti analógiákat tartalmazó adatbázis, a természeti analógiák fordítását, amit majd saját műszaki terveimhez szeretnék felhasználni egyszer. Alul cím és a link mutatják, hogy melyik fordítás melyik internetes forráshoz tartozik.
http://www.asknature.org/
The foot of water snails helps them move upside down beneath the water's surface by creating small ripples in the mucus-water interface. A vízi csigák lába segít nekik mozogni fejjel lefelé a víz felszíne alatt kis hullámok létrehozásával a nyálkás víz felületén.
Populations of sessile barnacles optimize space where physical habitat is limited by decreasing the average mass of an individual barnacle as population density increases. A nyeletlen kullancsok populációi által használt fizikai élőhely térkihasználása korlátozott a tér csökkenése miatt, és az egyes kullancsok átlagos tömege, ezzel együtt a populáció sűrűsége növekvő mértékű.
Comparison of Emerging Manufacturing Concepts
After briefly describing their features a critical comparison is made between the concepts on their design and operational features. Miután röviden leírtuk egy kritikai összehasonlításnak a jellemzőit, lerakjuk az alapkoncepcióját a gyártás tervezési és működtetési jellemzőinek.
This comparison discusses some of the essential features including the autonomy of units and the types of regulatory mechanisms and adaptation requirements that need to be considered to properly manage the complex interactions that may ensue due to the distributed nature of these systems. Ez az összehasonlítás bemutatja néhány alapvető jellemzőjét ennek a koncepciónak, beleértve a részegységek anatómiáját és a szabályozó mechanizmusok típusait, illetve a követelményekhez való alkalmazkodás folyamatát, hogy az összehasonlítás által elsajátítsuk a komplex interakciók megfelelő menedzselését, és hogy megértsük miből erednek a különbségei ezeknek a rendszereknek.
Over the next decade there will be developments which may change the manufacturing scene to base production on smaller units with greater flexibility. A következő évtizedben olyan fejlesztések lesznek, amelyek megváltoztatják a gyártás színterét, ahol a kisebb egységek válnak a termelés bázisává nagyobb rugalmassággal együttvéve.
This shift, as already evidenced by the focus on agile manufacturing, will have a deep impact on the design and operation of future manufacturing systems. Ez a váltás már evidens módon fókuszál az agilis gyártásra, amely nagy hatást fog gyakorolni a jövő gyártási rendszereinek tervezésére és működtetésére.
Current organisations will be replaced by more innovative organic structures that may offer a very high operational and structural flexibility. A jelenlegi szervezeteket le fogják cserélni innovatívabb organikus struktúrákkal, hogy létrejöhessen egy sokkal magasabb szintű operatív és strukturális flexibilitás.
In this paper we examine the emerging concepts of Bionic, Fractal and Holonic manufacturing which advocate such systems, and compare their approaches to the design and operation of manufacturing systems. Ebben a cikkben fejlesztési koncepciókat vizsgálunk a bionikus, fraktális és holonikus gyártással kapcsolatban, amelyek támogatják ezeket a rendszereket, és összehasonlítjuk megközelítéseiket a gyártási rendszerek tervezésének és működtetésének szempontjából.
The next three sections review the emerging concepts. A következő három szakasz bemutatja a fejlesztési koncepciókat.
Following this, the design and operational principles of the concepts are delineated and compared. Következők ezek: a koncepciók tervezési és működtetési alapelveinek körülhatárolása és összehasonlítása.
The Bionic Manufacturing System (BMS) [4-7, 16-17] draws parallels with biological systems and proposes concepts for realising essential properties of future manufacturing systems. A bionikus gyártási rendszer (BMS) párhuzamot von a biológiai rendszerekkel és folyamatokkal a jövő gyártási rendszereinek lényegi tulajdonságait érintő koncepciók megvalósítására.
A biological system exhibits many features including autonomous and spontaneous behaviour, and social harmony within hierarchically ordered relationships. A biológiai rendszer ezek sok jellemzőjét bemutatja beleértve az önálló és spontán viselkedést és a szociális harmóniát a hierarchikus rend viszonyain belül.
Structurally, the cell is the basic unit which comprises all other parts of a biological system. Strukturálisan a sejt egy alapvető egység, amely tartalmazza az összes többi részét a biológiai rendszernek.
Cells are basically similar, but differentiated by function, and are capable of multiple operations. A sejtek alapvetően hasonlók, de különbözőek a funkció és az összetett műveletekre való alkalmasság szempontjából.
Cells act as building blocks to make up the hierarchical layers in organisms. A sejtek működő építőkövekként alkotnak egy hierarchikus rétegek az organizmusban.
Thus, tissues (e.g., muscle tissue) are formed by cells with similar functions and shape. Így a szövetek, (lásd az izmok szöveteit) sejteket formálnak hasonló alakkal és funkciókkal.
Different tissues combine to form organs with a particular function (e.g., heart). A különböző szövetek egymással kombinálódva szerveket alkotnak részleges funkciókkal (lásd a szívet).
Organs, in turn, group together to form body systems (e.g., digestive system made up of the stomach and small intestine), and the systems make up the complex organisms. A szervek viszont csoportba rendeződnek egymással, hogy a test összetettebb rendszereit formálják meg (lásd az emésztési rendszert, amely a gyomrot és a bélrendszer kisebb részeit foglalja magában), majd ezek a rendszerek komplex organizmusokat alkotnak.
The stability of the internal chemical environment of a living organism is maintained by means of regulating the rate of its metabolic reactions. Az élő organizmus belső kémiai környezetének stabilitása fenntartja különféle szabályozó eszközök útján a metabolikus reakcióinak arányát.
Within a cell this is done by the enzymes that are produced by the cells. A sejten belül történik ez az enzimek által, amelyeknek a termelése a sejtek által történik.
These enzymes act as catalysts to speed up or inhibit reactions. Ezek az enzimek katalizátorként működnek a gyorsító vagy gátló reakciókban.
A second level regulation is done through hormones that are secreted by cells and transported in body fluids to other parts where they exert a specific physiological action. A szabályozás második szintje a a hormonokon keresztül fejti ki hatását, amelyek a sejtek által kiválasztják a testnedvekből ezeket az enzimeket és transzportálják őket a test többi részeihez ahol ezek felhasználják egyes specifikus pszichológiai tevékenységekhez.
An example of this action is colour change in some animals in response to danger. Egy példa erre a tevékenységre a színváltás néhány állatnál válaszul a veszélyre.
Since hormonal regulation can be slow, a central nervous system exists to deal with situations requiring rapid reactions to changes in the external environment. Mivel a hormonális szabályozás lassú, a központi idegrendszernek kell reagálnia a különféle szituációkra, hogy a kötelező gyors reakciókat kiváltsa a külső környezet változásaival szemben.
Figure 1: Similarity of Biological and Manufacturing Structures 1. ábra Hasonlóság a biológiai és a gyártási struktúrák között.
The above properties of biological systems have many similarities to the operation of manufacturing units as shown in Figure 1. A biológiai rendszerek fenti tulajdonságai sok hasonlóságot mutatnak a gyártási egységek működtetésével ahogy azt az 1. ábra is mutatja.
The units obtain the needed inputs from the factory floor environment and perform operations. Az egységek a szükséges inputokat a gyári környezetből és a műveletek végrehajtásából szerzik.
Outputs of these operations flow back to the environment. Ezeknek a műveleteknek az outputjai visszaáramlanak a környezetbe.
Like enzymes, coordinators may act to preserve the harmony. Az enzimek koordinátor szerepet töltenek be ebben a folyamatban, hogy megőrizzék a harmóniát.
Also, regulatory schemes similar to hormones may include policies or strategies that have a longer term effect on the environment, for example changes to shop-floor practices. A szabályozó séma is hasonlít a hormonokéhoz, amibe beleérthetjük a politikai és a stratégiai tervezést is, ahol van egy hosszú távú hatása a környezetben például amikor váltunk a shopfloor menedzsmentre.
Even centralised control may be applicable to urgently react to certain contingencies. Éppen a centralizált szabályozás alkalmazható a sürgős esetekben a biztos reakciókhoz.
In addition, the manufacturing units can act similar to cells as building blocks to derive hierarchical control structures, such as shops, factories and business units. Továbbá a gyártási egységek a sejtekhez hasonlóan, építőkockákként tudnak hierarchikus szabályozó struktúrákat építeni akár bolti, gyári vagy üzleti egységekből.
In such structures, each layer in the hierarchy supports and is supported by the adjacent layers. Az ilyen struktúrákban mindegyik réteg a hierarchiában támogat és támogatva van különféle szomszédos rétegek által.
When specification is given at the top-layer, it passes down layer-by-layer to the bottom and finally as tasks. Mint amikor a specifikáció illeszkedik a megadott legfelső réteghez alulról rétegről-rétegre haladva a kezdeti rétegtől az utolsó rétegig feladatok szerint.
2015. július 29., szerda
2015. július 21., kedd
26. hét
Ezen a héten új tudományos cikk fordítását kezdtem el, továbbá befejeztem egy régit, aminek az általam lefordított magyar nyelvű változatát most teljes terjedelmében közlöm itt az eredeti angol nyelvű cikkre mutató linkel együtt. Alul a a címek mutatják, hogy melyik a régi befejezett, és melyik az elkezdett új. Azt döntse el az angolul jól tudó olvasó, hogy milyen minőségben fordítottam őket, de talán jól. A fordításhoz szótárnak most a https://translate.google.hu/?hl=hu#en/hu/awareness oldalt használtam, ahol a szavak angol és magyar megfelelőinek belinkelt hangfájljait is mindig többször meghallgattam gyakorolva a kiejtést. Továbbá a lefordított mondatokat egészben is visszahallgattam és visszamondtam most is a http://www.ivona.com/ oldalon. Továbbá folytattam a http://www.asknature.org/ oldalon, amely angol nyelvű, mérnöki tervezéshez felhasználható, természeti analógiákat tartalmazó adatbázis, a természeti analógiák fordítását, amit majd saját műszaki terveimhez szeretnék felhasználni egyszer.
Tovább a kaotikus, kognitív architektúra felé
Boris Durán
Olaszországi Technológiai Intézet – Genovai Egyetem
Via Morego 30, 16145 Genova, Italy,
boris@unige.it
Kivonat: A humanoid robotok növekvő komplexitása és az ő várható teljesítményük valós és változó körülmények között egyaránt igényel komplex, önálló és dinamikus megoldásokat. Ennek a projektnek a célja egy megismerő architektúra megtervezése és kivitelezése a megismerés index-kód paradigmájának alapjain. Ennek az architektúrának a magjai amiket mi eszközökként szeretnénk használni azok a nemlineáris dinamikus rendszerek és főként azokkal összekapcsolva a kaotikus rendszerek. A következő megvalósíthatósági tanulmányok ezekkel a rendszerfajtákkal együtt érdekes eredményeket mutatnak és motiválnak minket a tervezett célok elérésére. Ez a cikk jelenleg egy elméleti hátteret kíván nyújtani a tervezett architektúra megértéséhez, továbbá be szeretne mutatni néhány eredményt, hogy bátorítson a jelenlegi és jövőbeli munkára.
1. Bevezetés
A humanoid robotok kutatásának történetében vissza kell tekintenünk hozzávetőlegesen 30 évet és akkor erős dualitást láthatunk az emberi természetben. Az emberi természet egyik részében jelen van egyrészt a szabályozáselmélet 50 éves tradícióját használó és ellenőrző "ügynök" teste, (ami itt most egy mesterséges entitást jelöl, ami az emberi viselkedés szimulációjának használatát reprezentálja ebben a cikkben) másrészt ekkor kezdődnek az ipar automatizálásával együtt az 1960-as évek. Az emberi természet másik részében pedig ami saját elméjét képezi, és amit saját testétől függetlenül kezelt a kognitivista megközelítés segítségével, illetve amely egy nagyon ígéretes területe volt az akkori kutatásoknak megszületett az, ami által megismerte a mesterséges intelligencia jellemzőit.
A kognitivizmus egy volt a kogníció két fő paradigmája közül és ez relatíve sikeres volt ebben a megoldandó feladatban a specifikus problémák között. Ez a megközelítés úgy láttatja a megismerést, mint számítások sorozatát, amelyek a világot szimbólumokként vagy reprezentációkként definiálják, és ezek a reprezentációk előre tervezettek egy humán programozó által. A fő probléma ezzel a megközelítéssel, az hogy még, szemben a követelményekkel, erősen függ a rendszer programozójának tudásától, és itt a szimbólum az alapprobléma, a keretprobléma és a kombinatorikus probléma is egyben.
Terveinkben szeretnénk a kognitív architektúra fejlesztésére fókuszálni, amely bázisát képezi a kogníció index-kód paradigmájának. Ez a paradigma úgy láttatja a kogníciót, mint az oda-vissza hatás folyamatát a környezet és az ügynök között. Más szavakkal az ügynök konstrukció a világgal való interakció során válik kézzelfogható valósággá. Éppen ezért a kognitivista megközelítéssel ellentétben az elme nem tud függetlenné válni a testtől és a világról szerzett tudásunk nincs előre meghatározva egy tervező által.
A tervezett kognitív architektúra terve alapjául kíván szolgálni a különféle stratégiai eszközök használatának a nemlineáris dinamikai rendszerek elmélete által, és a speciális kaotikus rendszerek által biztosítva. Ennek az elméletnek a használatánál sem az ügynök, sem a környezet sem kívánja modell felállítását, mivel mind a két entitás nemlineáris rendszernek tekinthető, ráadásul a feladat megoldásának az útja nincs előre meghatározva, összehasonlítva a tradícionális kontroláló megközelítéssel, ahol ha az ügynök lépéseket tesz, az a következőkben a feladat megoldását, vagy a probléma biztos leküzdését jelenti. Röviden ha még mind a két megközelítésre szükségünk van, hogy tudjuk mit csináljunk, akkor a nemlineáris dinamikus rendszerek elmélete fog megszabadítani minket a tudástól, hogy hogyan oldjuk meg a feladatot, amivel felülkerekedünk azokon a lassú reakciókon, amiket a tradícionális kontroláló modellekben találhatóak meg.
Több, mint száz éves a káosz empirikus definíciója és majdnem ötven éve formálódik a káoszt vizsgáló tudomány, és mindössze az utóbbi 10 évben lehetünk tanúi a káosz, mint tudomány gyakorlati alkalmazásának a telekommunikációban, a közgazdaságtanban, a szociológiában, a motorok szabályozásában stb. Viszont a mi fő érdeklődési irányvonalunk ezen az elméleten belül abba az irányba mutatott, hogy foglalkozzunk azokkal a bizonyítékokkal, amelyeket a különböző kutatások találtak a neuropszichológia és a fejlődéspszichológia területein belül.
1.1 Kapcsolódó munka
A tapasztalatokból levont eredmények alapján a különféle kutatócsoportok a káosz jelenlétét sugallják az agyban. A káosz kicsit eltérő szerepének eredményeként egy dinamikus láncszem jelenik meg az érzékelés és a memória között, amely a nemlineárisan dinamikus (kaotikus) térben épül fel. Annak ellenére, hogy ezek az eltérő modellek ugyanezekből a kutatásokból származnak, ez mindenképp nagy javulást jelent, ha összehasonlítjuk a konvencionális neurális hálózatokkal, de a működtetés végső mechanizmusa ugyanazok között a feltételek között még így is minden esetben hiányzik. Más szavakkal csak az észlelés és a memória van jelen ezekben a modellekben, de ezek nem tekinthetőek a dinamikus rendszer részeiként kezelt meghajtó outputoknak, és egyes esetekben diszkretizálják a kimeneti teret, elveszítve a már megszerzett hatékonyságot.
Másrészről viszont számos csoport fókuszál saját kutatásaiban az ügynökök reflexív (visszaható) részeire. Ezekben a modellekben a működtetés teljesíthető figyelembe véve az ügynök történetét. Ezek és más csoportok figyelemre méltó előrelépéseket értek el az adaptív viselkedés fejlesztésében, de ellentétben az előző csoportokkal csak az észlelés és a működtetés területén, kihagyva így a memória szenzomotoros visszacsatolását.
Ez így nem képez egy valós kognitív architektúrát a megismerés jelenlegi modelljei között, ami közvetlen felhasználását jelentené a nemlineáris dinamikus rendszereknek. Jobb architektúrákat eredményezne a megismerés index-kód paradigmáját használó előrecsatolt neurális hálózatok moduláris verziója a klasszifikáció és a regresszió szempontjából. A hálózatoknak ez a típusa nemlineáris, statikus hálózatokat képez, ahol egy adott input összekapcsolódik az adott outputtal, és megmaradnak egy állandósult állapotban, amíg a bemenet ugyanaz marad. Ezt a folyamatot csökkentett memóriakapacitás és a folyamatot generáló adathalmazok minőségétől való nagyobb függés jellemzi. Egyéb architektúrák, mint az öntudatos és önállóan ható (SASE) kognitív architektúrák a Markov féle döntési folyamatok statisztikáinak formáját használják. Itt újra szükség lenne rá, hogy megtaláljuk egy másik útját a memóriák mentésének, kezelésének és visszakeresésének, amely a drága számítási munkafolyamatok eredményeit tartalmazza.
1.2 Célok
A kutatásunk fő célja, hogy létrehozzunk egy kognitív architektúrát, a matematika eszközeit felhasználva, a nemlineáris dinamikai rendszerek segítségével, amely integrálja a szenzorokból beérkező információkat a belső térből (memória) beérkező információkkal, és hogy végül modulálja a generált viselkedés kimenetét egy visszaható fizikai rétegen belül. A fő hozzájárulás a rendszerhez, egy itt javasolt lehetőség, amelynek egy dinamikus szenzomotoros hurok az alapja, és ez magában foglalja a modulátort, mint a döntések lépéseinek történetét a generált viselkedés végső megjelenési formájáig.
A munka egyéb előnyei között bizonyos kaotikus rendszerek szerepelnek, mint a kaotikus csapongás, tekintettel a nem ismétlődő neurális hálózatokra, és itt meg lehet említeni az információ dinamikus késleltetését, a megnövekedett tanulási képességeket, a tökéletesített mintafelismerést, a hatékony keresést a memóriában, a memória reprezentálását dinamikus folyamatok által, és nem csak statikus mintázatok formájában, illetve a tanulás és az emlékezés egyidejű folyamatait.
A második részben bevezetést adunk az általunk alkalmazott módszertanba követve a jelenlegi munkánk menetét, amely a tervezett célunk elérését szolgálja ebben a cikkben. Néhány példa a legérdekesebb eredményekből, és a korábbi tapasztalatokból a végrehajtással kapcsolatban kapcsolódva a kaotikus rendszerekhez, amiket a harmadik részben szeretnénk ismertetni, végül befejezés...
2. Kutatási módszertan
Bármilyen emberi viselkedés leírható a három fő komponens integrációja által úgy, hogy az interakció folyamatos marad közöttük. A bemeneti blokk különféle információkból áll, amelyeket szenzorok specifikus típusai által szerzett, és a fizikai réteg (hardware) által installált az ügynök. A kimeneti blokk képezi az eszközök csoportját, amely a fizikai rétegnek is a része, és az ügynök segítségével használja a specifikus tevékenységek generálásához a környezeten belül, mint például a motorokat, kijelzőket, hangszórókat. Végül pedig az 'elme' blokk, amely egy bonyolultabb rendszer, mivel több részből tevődik össze, de mindegyik részhez tartozik egy szoftveres réteg (mindware), így: rövid és hosszú távú memóriák, érzelmek, ébrenléti ciklusok, döntés előkészítés.
A módszertan, amellyel a mindware-t tanulmányozzuk az előbb említett nemlineáris dinamikus rendszerek elméletére épülő koncepción alapszik. A fő komponenseit ennek a blokknak különböző szakaszok jelentik a kreációban, az asszociációban, a keresésben, és memóriákban való visszakeresésben. A dinamikus memóriák különböző modelljeinek jövőbeni tanulmányozását különösen Tsuda, Freeman és Molter javasolják. Az összes ilyen megközelítést információként kezelik mindig káosszal a háttérben, és ismétlődő neurális hálózatokat használnak azok végrehajtására.
Egy kognitív, önállóan fejlődő rendszer ezt nem tudja elérni figyelembe véve egy jól reagáló visszaható fizikai réteget és egy dinamikus utját kizárólag a mentésnek és a visszakeresésnek. Egy ügynöknek ezért önállóan figyelembe kell vennie az átkapcsolás útját a figyelem különböző ciklusai között, a mentális és/vagy fizikai próbatételeket, és a korrekt visszakeresést az előzőleg megtanult szenzomotoros információk között, hogy fejlődni tudjon.
3 Korábbi tapasztalatok
3.1 Összekapcsolt térképek adaptív kapcsolatokkal.
Az összekapcsolt térképek hálóit (CML) és globális összekapcsolt térképeket (GCM) Kunihiko Kaneko vezette be az 1980-as évek közepén, mint egy alternatív tanulmányozási lehetőségét a spatiotemporális káosznak. Röviden ezek a dinamikai rendszerek diszkrét parciális differenciálegyenleteket használnak, hogy tanulmányozni tudjuk az evolúció folyamatát, amely diszkrét lépésekkel halad előre a térben és időben, de nem diszkrét, hanem kontinuum egységet teremt a természet struktúrájában. Két paraméter szabályozza ezeknek a térképeknek a dinamikáját: egy kaotizáló faktor, továbbá a kapcsolatok szilárdsága a térkép elemei között.
A dinamikus változók tanulmányozását amelyek az elemek közötti dinamikus kapcsolatokat jellemzik a GCM-ben Ito és Kaneko végezte el. A modellt leírják a következő egyenletek: Az első egyenlet összhangban van a GCM-el, ahol f reprezentálja a kaotikus térképet (1c) frissíti az összes többi részegységehez fűződő kapcsolatokat a hálózatban változás esetén; és (1d) adja meg a hebb szabályt irányító viszonyokat a részegységek között.
A klasszikus verziója a logisztikus térképnek (1b) minden kutatás szerint a transzfer függvényt használja.
Az (1c)-ben ? reprezentálja a kapcsolatok plaszticitásának fokozatait és rangsorolásukat 0-tól 1-ig.(1c)-ben wij a súlyokat reprezentálja utalva a hatásra, amit j részegység gyakorol az i részegységre. Az önálló kapcsolatok száma 0 volt és a kezdeti feltételek között az egyéb kapcsolatok száma 1/(N - 1), ahol N a kaotikus egységek száma.
3.2 Módszertan
Az elektronikus kölyök fejének egy példánya a robotkölyök projekt humanoid platformja volt, és a korábbi tapasztalatokat használta fel a továbbfejlődéséhez. A fejnek hat fokozata van az önállóság felé: forgópályán és dülöngélve haladva a nyak körül, egyenes pályán mozgás mindkét szemmel előre figyelve úgy, hogy mindegyik szemük a forgó motoroktól függ. Az összes szem tartalmaz egy kamerát, amelyek biztosítanak két mennyiségi tényezőt: a cél pozícióját vertikális és horizontális irányokban. Ezek az értékek módosítják az összes motor pozícióit, így egy összekapcsolt kaotikus rendszert generálnak 6 logisztikus térképpel 1. ábra.
1. ábra az elektronikus kölyök szenzomotoros diagrammja a működtetés 5. szintjén.
3.3 Eredmények
A gyenge és erős kapcsolatok fejlődése a kaotikus részegységek között függ az interakció szintjétől előrehaladva az időben 2. ábra. Annak ellenére, hogy minden kapcsolat ugyanazzal az értékkel indul a rendszernek csak kevés lépés kell, hogy elkülönítse a csoportban a gyenge és erős kapcsolatokat. Nagyon érdekes megfigyelés erről a jelenségről, hogy körülbelül 500 lépés kell ahhoz, hogy a kapcsolatban lévő összes részegység elkezdjen oszcillálni a megengedett aktivitás középértéke körül. Extrém eseteknek számítanak a felemelkedő egységek minden szemben, így az LP és az RP, amelyek egy erős hatás által fejlődnek, amely a nyak felemelkedő mozgásából származik, viszont semmi hatás nem éri más tényezők által. A forgó részegységek a nagyobb egyensúlyi hatás irányába fejlődtek saját hálózatukban mindig 0,5 körül oszcillálva.
A 3500. lépésnél a rendszer befejezte működését a már teljesen kifejlett állapotban ahol a belső kapcsolatainak változása nagyon kicsi. A végén mindegyik részegységre hatással volt nem több, mint 2 másik részegység az egész hálózaton belül 2. ábra. Ahogy az várható volt két független alhálózat bukkant fel 20 másodperc alatt. Az egyik oldalon minden kaotikus egység esetében a forgó mozgások erősítik a kapcsolatokat, míg a gyengítő hatások az emelkedő egységekből származnak, és ugyanez történik azokkal az egységekkel, amelyek az emelkedő mozgásokból táplálkoznak, ha összehasonlítjuk őket a forgó egységekkel.
2. ábra felül: kezdő (bal) és végső (jobb) konfigurációi a GCM-nek. Alul: A kapcsolatok fejlődése az időben.
4. Tárgyalás
A modern és a klasszikus szabályozáselmélet két megszorítással alkalmazta a szabályozást bármilyen autonóm rendszerben. Mindig biztosította a nagyon pontos és hatékony tevékenységet az indusztriális környezeten belül ahol a gép és a környezet precízen tudja modellezni a munkát a stabillá tett tereken belül. Annak ellenére, hogy a specializált mobil humanoid robotok hajtanak minket arra felé, hogy felülvizsgáljuk a hasznosságát ennek a megközelítésnek a dinamikus és kiszámíthatatlan környezetben a különböző korszerű platformokon, amelyek a szabályozáselmélet tradicionális eszközeit használják. Habár a számítási kapacitás exponenciális növekedése segít foglalkozni az inverz kinematikus és dinamikus környezet drága kezelésével modellezve ezeket a rendszereket és ezek minden alkalommal találnak egy helyzetet ahol az igények gyors reakciót kívánnak, vagy a szükséges mozgást nem kódolta le a programozó.
Egy dinamikus, rugalmas és önálló kognitív architektúra ma már jobban szükségeltetik, mint valaha az emberi természet megértéséhez. Egy rendszer szolgál alapjául a nemlineáris dinamikai rendszerek elméletének, amely olyan fontos területek tanulmányozását kívánja elősegíteni, mint az epilepszia, a fejlődéspszichológia, a pszichoterápia, a motorikus szabályozás, az idegtudományok, és sok egyéb más terület. A jelenleg tervek alapján azt mondhatjuk, hogy a kognitív architektúrnak nagy hasznát fogja venni a tudomány különösen akkor, ha megpróbálunk általa integrálni különböző területeket a tudományos kutatásban, így az ember és robot interakciót, az utánzást, a motorikus szabályozást, a számítógépes látást és a gépi tanulást. Mindegyikük demonstrál egy komplex témát, majd integrálja őket kihívásként önmagának.
Hivatkozások:
1. Karen Adolph. Learning to learn in the development of action, volume 33, chapter
3, pages 91–122. Lawrence Erlbaum Associates, Inc., New Jersey, 2005. In the
Minnesota Symposa on Child Psychology.
2. A. Babloyantz, J. M. Salazar, and C. Nicolis. Evidence of chaotic dynamics of
brain activity during the sleep cycle. Physics Letters A, 111(3):152–156, 1985.
3. Rodney Brooks. A robust programming scheme for a mobile robot. In Proc. of
the NATO Advanced Research Workshop on Languages for sensor-based control in
robotics, pages 509–522, London, UK, 1987. Springer-Verlag.
4. Wayne Christensen and Clifford Hooker. An interactivistconstructivist approach to
intelligence: self-directed anticipative learning. Philosophical Psychology, 13(2):5–
45, 2000.
5. Keith Davids, Chris Button, and Bennett S. Modeling human motor systems in
nonlinear dynamics: Intentionality and discrete movement behaviors. Nonlinear
Dynamics, Psychology, and Life Sciences, 3(1):3–30, 1999.
6. Dario Floreano, Phil Husbands, and Stefano Nolfi. Evolutionary robotics. In
Handbook of Robotics. Springer Verlag, Berlin, 2008.
7. Walter Freeman. Mass Action in the Nervous System. Academic Press Inc., New
York, 2004.
8. Walter Freeman and Giuseppe Vitiello. Nonlinear brain dynamics as macroscopic
manifestation of underlying many-body field dynamics. Physics of Life Reviews,
3(2):93–118, 2006.
9. Stephen Guastello. Motor control research requires nonlinear dynamics. American
Psychologist, 61(1):77–78, 2006.
10. Derek Harter. Towards a model of basic intentional systems: Nonlinear dynamics
for perception memory and action in autonomous adaptive agents. PhD thesis,
The University of Memphis, May 2004.
11. Robert Hristovski, Keith Davids, Duarte Araujo, and Chris Button. How boxers
decide to punch a target: Emergent behaviour in nonlinear dynamical movement
systems. Journal of Sports Science and Medicine, 5:60–73, 2006.
12. Michael Hutchinson and Phillip D. Swanson. Chaos theory and the treatment of
refractory status epilepticus: Who benefits from prolonged anesthesia, and is there
a better way? Medical Hypotheses, 68(2):439–441, 2007.
13. Junji Ito and Kunihiko Kaneko. Spontaneous structure formation in a network of
dynamic elements. Phys. Rev. E, 67(4):046226, Apr 2003.
14. Kunihiko Kaneko. Relevance of dynamic clustering to biological networks. Physica
D: Nonlinear Phenomena, 75(1):55–73, Aug 1994.
15. Kunihiko Kaneko and Ichiro Tsuda. Complex Systems: Chaos and Beyond.
Springer-Verlag, 2001.
16. Leslie Kay, Koji Shimoide, and Walter Freeman. Comparison of eeg time series
from rat olfactory system with model composed of nonlinear coupled oscillators.
International Journal of Bifurcation and Chaos, 5(3):849–858, 1995.
17. Jeffrey Krichmar and Gerald Edelman. Brain-based devices for the study of nervous
systems and the development of intelligent machines. Artificial Life, 11(1-2):63–77,
2005.
18. Yasuo Kuniyoshi and Shinsuke Suzuki. Dynamic emergence and adaptation of behavior
through embodiment as a coupled chaotic field. In Proceedings of 2004
IEEE/RSJ International Conference on Intelligent Robots and Systems, pages
2042–2049, 2004.
19. Mark Latash, John Scholz, and Gregor Sch¨oner. Toward a new theory of motor
synergies. Motor control, 11(3):276–308, 2007.
20. WANG Le, LI Guang, LI Xu, GUO Hongji, and Walter J. Freeman. A chaotic
neural network mimicking an olfactory system and its application on image recognition.
Journal of Bionics Engineering, 1(3):191 – 198, 2004.
21. Colin Molter, Utku Salihoglu, and Hugues Bersini. The road to chaos by timeasymmetric
hebbian learning in recurrent neural networks. Neural Computation,
19(1):80–110, 2007.
22. Frank Pasemann, Uli Steinmetz, Martin H¨ulse, and Bruno Lara. Evolving brain
structures for robot control. In IWANN ’01: Proceedings of the 6th International
Work-Conference on Artificial and Natural Neural Networks, volume 2085 of Lecture
Notes in Computer Science, pages 410–417. Springer-Verlag, 2001.
23. David Pincus. Dynamical systems theory and pain imagery: Bridging the gap
between research and practice. Journal of Mental Imagery, 30(1-2):93–112, 2006.
24. David Pincus and Stephen Guastello. Nonlinear dynamics and interpersonal correlates
of verbal turn-taking patterns in group therapy. Small Group Research,
36(6):635–677, 2005.
25. RobotCub Project. Robotic open-architecture technology for cognition, understanding
and behaviours. http://www.robotcub.org.
26. Mikhail Rabinovich, Pablo Varona, Allen Selverston, and Henry Abarbanel. Dynamical
principles in neuroscience. Reviews of Modern Physics, 78(4):1213–1265,
2006.
27. S. Schaal, P. Mohajerian, and A.J. Ijspeert. Dynamics systems vs. optimal control
a unifying view. Progress in Brain Research, 165:425–445, 2007.
28. Murray Shanahan. A cognitive architecture that combines internal simulation with
a global workspace. Consciousness and Cognition, 15(2):433–449, 2006.
29. D.-S. Shiau, W. Chaovalitwongse, L. D. Iasemidis, P. M. Pardalos, P. R. Carney,
and J. C. Sackellares. Nonlinear dynamical and statistical approaches to investigate
state transitions before epileptic seizures. pages 239–249, 2004.
30. Elizabeth Spelke and Katherine Kinzler. Core knowledge. Developmental Science,
10(1):89–96, 2007.
31. Esther Thelen and Linda Smith. A dynamic systems approach to the development
of cognition and action. The MIT Press Inc., Cambridge, MA, 1994.
32. Ichiro Tsuda. Toward an interpretation of dynamic neural activity in terms of
chaotic dynamical systems. Behavioral and Brain Sciences, 24(5):793–847, 2001.
33. Ichiro Tsuda and Hiroshi Fujii. A complex systems approach to an interpretation
of dynamic brain activity i: Chaotic itinerancy can provide a mathematical basis
for information processing in cortical transitory and nonstationary dynamics. In
Summer School on Neural Networks, volume 3146 of Lecture Notes in Computer
Science, pages 109–128. Springer, 2003.
34. Ichiro Tsuda and Shigeru Kuroda. A complex systems approach to an interpretation
of dynamic brain activity ii: Does cantor coding provide a dynamic model for
the formation of episodic memory? In Summer School on Neural Networks, volume
3146 of Lecture Notes in Computer Science, pages 129–139. Springer, 2003.
35. David Vernon. Cognitive vision: The case for embodied perception. Image Vision
Comput., 26(1):127–140, 2008.
36. David Vernon and Dermot Furlong. Philosophical foundations of ai. In 50 Years
of Artificial Intelligence, volume 4850 of Lecture Notes in Artificial Intelligence,
A cikk angol nyelvű forrása: http://www.robotcub.org/misc/papers/08_boris_cogsys.pdf
Comparison of Emerging Manufacturing Concepts
Comparison of Emerging Manufacturing Concepts Fejlődő gyártási koncepciók összehasonlítása
The current and continuing focus on agile manufacturing will pave the way towards organisational structures with very high operational flexibility and the ability of systems to transform their internal structure and technology as needed. A jelenben meglévő, folyamatos figyelem az agilis gyártási technológiákra előkészíti az utat a nagyon magas szintű operatív rugalmassággal rendelkező szervezeti struktúrák kialakulásához és a rendszerek belső strukturális és technológiai átalakulásához fűződő képességek kialakulásához, amelyek jelenbeli szükségletként jelentkeznek.
A promising structure, in this respect, is a conglomerate of distributed and autonomous units which operate as a set of cooperating entities. Egy jónak igérkező struktúra ebben a tekintetben konglomerátuma a megosztott és önálló részegységeknek, amelyek működtetnek egy halom egymással együttműködő entitást.
In this paper we examine the emerging Bionic, Fractal and Holonic concepts of manufacturing. Ebben a cikkben megvizsgáljuk a fejlődő bionikus, fraktális és holonikus gyártási koncepciókat.
http://www.asknature.org/
The flippers of the humpback whale channel flow and increase aerodynamic efficiency due to tubercles or bumps. A hosszúszárnyú bálna uszonyai megfelelő áramlást és növekvő aerodinamikai hatékonyságot biztosítanak gümőikkel és daganataikkal.
The gills of basking sharks filter plankton from seawater for nutrition via specialized filters called gill-rakers. A cápák kopoltyúi planktont szűrnek a tengervízből táplálékként egy speciális szűrő segítségével amit úgy hívnak, hogy kopoltyú kaparó.
Tovább a kaotikus, kognitív architektúra felé
Boris Durán
Olaszországi Technológiai Intézet – Genovai Egyetem
Via Morego 30, 16145 Genova, Italy,
boris@unige.it
Kivonat: A humanoid robotok növekvő komplexitása és az ő várható teljesítményük valós és változó körülmények között egyaránt igényel komplex, önálló és dinamikus megoldásokat. Ennek a projektnek a célja egy megismerő architektúra megtervezése és kivitelezése a megismerés index-kód paradigmájának alapjain. Ennek az architektúrának a magjai amiket mi eszközökként szeretnénk használni azok a nemlineáris dinamikus rendszerek és főként azokkal összekapcsolva a kaotikus rendszerek. A következő megvalósíthatósági tanulmányok ezekkel a rendszerfajtákkal együtt érdekes eredményeket mutatnak és motiválnak minket a tervezett célok elérésére. Ez a cikk jelenleg egy elméleti hátteret kíván nyújtani a tervezett architektúra megértéséhez, továbbá be szeretne mutatni néhány eredményt, hogy bátorítson a jelenlegi és jövőbeli munkára.
1. Bevezetés
A humanoid robotok kutatásának történetében vissza kell tekintenünk hozzávetőlegesen 30 évet és akkor erős dualitást láthatunk az emberi természetben. Az emberi természet egyik részében jelen van egyrészt a szabályozáselmélet 50 éves tradícióját használó és ellenőrző "ügynök" teste, (ami itt most egy mesterséges entitást jelöl, ami az emberi viselkedés szimulációjának használatát reprezentálja ebben a cikkben) másrészt ekkor kezdődnek az ipar automatizálásával együtt az 1960-as évek. Az emberi természet másik részében pedig ami saját elméjét képezi, és amit saját testétől függetlenül kezelt a kognitivista megközelítés segítségével, illetve amely egy nagyon ígéretes területe volt az akkori kutatásoknak megszületett az, ami által megismerte a mesterséges intelligencia jellemzőit.
A kognitivizmus egy volt a kogníció két fő paradigmája közül és ez relatíve sikeres volt ebben a megoldandó feladatban a specifikus problémák között. Ez a megközelítés úgy láttatja a megismerést, mint számítások sorozatát, amelyek a világot szimbólumokként vagy reprezentációkként definiálják, és ezek a reprezentációk előre tervezettek egy humán programozó által. A fő probléma ezzel a megközelítéssel, az hogy még, szemben a követelményekkel, erősen függ a rendszer programozójának tudásától, és itt a szimbólum az alapprobléma, a keretprobléma és a kombinatorikus probléma is egyben.
Terveinkben szeretnénk a kognitív architektúra fejlesztésére fókuszálni, amely bázisát képezi a kogníció index-kód paradigmájának. Ez a paradigma úgy láttatja a kogníciót, mint az oda-vissza hatás folyamatát a környezet és az ügynök között. Más szavakkal az ügynök konstrukció a világgal való interakció során válik kézzelfogható valósággá. Éppen ezért a kognitivista megközelítéssel ellentétben az elme nem tud függetlenné válni a testtől és a világról szerzett tudásunk nincs előre meghatározva egy tervező által.
A tervezett kognitív architektúra terve alapjául kíván szolgálni a különféle stratégiai eszközök használatának a nemlineáris dinamikai rendszerek elmélete által, és a speciális kaotikus rendszerek által biztosítva. Ennek az elméletnek a használatánál sem az ügynök, sem a környezet sem kívánja modell felállítását, mivel mind a két entitás nemlineáris rendszernek tekinthető, ráadásul a feladat megoldásának az útja nincs előre meghatározva, összehasonlítva a tradícionális kontroláló megközelítéssel, ahol ha az ügynök lépéseket tesz, az a következőkben a feladat megoldását, vagy a probléma biztos leküzdését jelenti. Röviden ha még mind a két megközelítésre szükségünk van, hogy tudjuk mit csináljunk, akkor a nemlineáris dinamikus rendszerek elmélete fog megszabadítani minket a tudástól, hogy hogyan oldjuk meg a feladatot, amivel felülkerekedünk azokon a lassú reakciókon, amiket a tradícionális kontroláló modellekben találhatóak meg.
Több, mint száz éves a káosz empirikus definíciója és majdnem ötven éve formálódik a káoszt vizsgáló tudomány, és mindössze az utóbbi 10 évben lehetünk tanúi a káosz, mint tudomány gyakorlati alkalmazásának a telekommunikációban, a közgazdaságtanban, a szociológiában, a motorok szabályozásában stb. Viszont a mi fő érdeklődési irányvonalunk ezen az elméleten belül abba az irányba mutatott, hogy foglalkozzunk azokkal a bizonyítékokkal, amelyeket a különböző kutatások találtak a neuropszichológia és a fejlődéspszichológia területein belül.
1.1 Kapcsolódó munka
A tapasztalatokból levont eredmények alapján a különféle kutatócsoportok a káosz jelenlétét sugallják az agyban. A káosz kicsit eltérő szerepének eredményeként egy dinamikus láncszem jelenik meg az érzékelés és a memória között, amely a nemlineárisan dinamikus (kaotikus) térben épül fel. Annak ellenére, hogy ezek az eltérő modellek ugyanezekből a kutatásokból származnak, ez mindenképp nagy javulást jelent, ha összehasonlítjuk a konvencionális neurális hálózatokkal, de a működtetés végső mechanizmusa ugyanazok között a feltételek között még így is minden esetben hiányzik. Más szavakkal csak az észlelés és a memória van jelen ezekben a modellekben, de ezek nem tekinthetőek a dinamikus rendszer részeiként kezelt meghajtó outputoknak, és egyes esetekben diszkretizálják a kimeneti teret, elveszítve a már megszerzett hatékonyságot.
Másrészről viszont számos csoport fókuszál saját kutatásaiban az ügynökök reflexív (visszaható) részeire. Ezekben a modellekben a működtetés teljesíthető figyelembe véve az ügynök történetét. Ezek és más csoportok figyelemre méltó előrelépéseket értek el az adaptív viselkedés fejlesztésében, de ellentétben az előző csoportokkal csak az észlelés és a működtetés területén, kihagyva így a memória szenzomotoros visszacsatolását.
Ez így nem képez egy valós kognitív architektúrát a megismerés jelenlegi modelljei között, ami közvetlen felhasználását jelentené a nemlineáris dinamikus rendszereknek. Jobb architektúrákat eredményezne a megismerés index-kód paradigmáját használó előrecsatolt neurális hálózatok moduláris verziója a klasszifikáció és a regresszió szempontjából. A hálózatoknak ez a típusa nemlineáris, statikus hálózatokat képez, ahol egy adott input összekapcsolódik az adott outputtal, és megmaradnak egy állandósult állapotban, amíg a bemenet ugyanaz marad. Ezt a folyamatot csökkentett memóriakapacitás és a folyamatot generáló adathalmazok minőségétől való nagyobb függés jellemzi. Egyéb architektúrák, mint az öntudatos és önállóan ható (SASE) kognitív architektúrák a Markov féle döntési folyamatok statisztikáinak formáját használják. Itt újra szükség lenne rá, hogy megtaláljuk egy másik útját a memóriák mentésének, kezelésének és visszakeresésének, amely a drága számítási munkafolyamatok eredményeit tartalmazza.
1.2 Célok
A kutatásunk fő célja, hogy létrehozzunk egy kognitív architektúrát, a matematika eszközeit felhasználva, a nemlineáris dinamikai rendszerek segítségével, amely integrálja a szenzorokból beérkező információkat a belső térből (memória) beérkező információkkal, és hogy végül modulálja a generált viselkedés kimenetét egy visszaható fizikai rétegen belül. A fő hozzájárulás a rendszerhez, egy itt javasolt lehetőség, amelynek egy dinamikus szenzomotoros hurok az alapja, és ez magában foglalja a modulátort, mint a döntések lépéseinek történetét a generált viselkedés végső megjelenési formájáig.
A munka egyéb előnyei között bizonyos kaotikus rendszerek szerepelnek, mint a kaotikus csapongás, tekintettel a nem ismétlődő neurális hálózatokra, és itt meg lehet említeni az információ dinamikus késleltetését, a megnövekedett tanulási képességeket, a tökéletesített mintafelismerést, a hatékony keresést a memóriában, a memória reprezentálását dinamikus folyamatok által, és nem csak statikus mintázatok formájában, illetve a tanulás és az emlékezés egyidejű folyamatait.
A második részben bevezetést adunk az általunk alkalmazott módszertanba követve a jelenlegi munkánk menetét, amely a tervezett célunk elérését szolgálja ebben a cikkben. Néhány példa a legérdekesebb eredményekből, és a korábbi tapasztalatokból a végrehajtással kapcsolatban kapcsolódva a kaotikus rendszerekhez, amiket a harmadik részben szeretnénk ismertetni, végül befejezés...
2. Kutatási módszertan
Bármilyen emberi viselkedés leírható a három fő komponens integrációja által úgy, hogy az interakció folyamatos marad közöttük. A bemeneti blokk különféle információkból áll, amelyeket szenzorok specifikus típusai által szerzett, és a fizikai réteg (hardware) által installált az ügynök. A kimeneti blokk képezi az eszközök csoportját, amely a fizikai rétegnek is a része, és az ügynök segítségével használja a specifikus tevékenységek generálásához a környezeten belül, mint például a motorokat, kijelzőket, hangszórókat. Végül pedig az 'elme' blokk, amely egy bonyolultabb rendszer, mivel több részből tevődik össze, de mindegyik részhez tartozik egy szoftveres réteg (mindware), így: rövid és hosszú távú memóriák, érzelmek, ébrenléti ciklusok, döntés előkészítés.
A módszertan, amellyel a mindware-t tanulmányozzuk az előbb említett nemlineáris dinamikus rendszerek elméletére épülő koncepción alapszik. A fő komponenseit ennek a blokknak különböző szakaszok jelentik a kreációban, az asszociációban, a keresésben, és memóriákban való visszakeresésben. A dinamikus memóriák különböző modelljeinek jövőbeni tanulmányozását különösen Tsuda, Freeman és Molter javasolják. Az összes ilyen megközelítést információként kezelik mindig káosszal a háttérben, és ismétlődő neurális hálózatokat használnak azok végrehajtására.
Egy kognitív, önállóan fejlődő rendszer ezt nem tudja elérni figyelembe véve egy jól reagáló visszaható fizikai réteget és egy dinamikus utját kizárólag a mentésnek és a visszakeresésnek. Egy ügynöknek ezért önállóan figyelembe kell vennie az átkapcsolás útját a figyelem különböző ciklusai között, a mentális és/vagy fizikai próbatételeket, és a korrekt visszakeresést az előzőleg megtanult szenzomotoros információk között, hogy fejlődni tudjon.
3 Korábbi tapasztalatok
3.1 Összekapcsolt térképek adaptív kapcsolatokkal.
Az összekapcsolt térképek hálóit (CML) és globális összekapcsolt térképeket (GCM) Kunihiko Kaneko vezette be az 1980-as évek közepén, mint egy alternatív tanulmányozási lehetőségét a spatiotemporális káosznak. Röviden ezek a dinamikai rendszerek diszkrét parciális differenciálegyenleteket használnak, hogy tanulmányozni tudjuk az evolúció folyamatát, amely diszkrét lépésekkel halad előre a térben és időben, de nem diszkrét, hanem kontinuum egységet teremt a természet struktúrájában. Két paraméter szabályozza ezeknek a térképeknek a dinamikáját: egy kaotizáló faktor, továbbá a kapcsolatok szilárdsága a térkép elemei között.
A dinamikus változók tanulmányozását amelyek az elemek közötti dinamikus kapcsolatokat jellemzik a GCM-ben Ito és Kaneko végezte el. A modellt leírják a következő egyenletek: Az első egyenlet összhangban van a GCM-el, ahol f reprezentálja a kaotikus térképet (1c) frissíti az összes többi részegységehez fűződő kapcsolatokat a hálózatban változás esetén; és (1d) adja meg a hebb szabályt irányító viszonyokat a részegységek között.
A klasszikus verziója a logisztikus térképnek (1b) minden kutatás szerint a transzfer függvényt használja.
Az (1c)-ben ? reprezentálja a kapcsolatok plaszticitásának fokozatait és rangsorolásukat 0-tól 1-ig.(1c)-ben wij a súlyokat reprezentálja utalva a hatásra, amit j részegység gyakorol az i részegységre. Az önálló kapcsolatok száma 0 volt és a kezdeti feltételek között az egyéb kapcsolatok száma 1/(N - 1), ahol N a kaotikus egységek száma.
3.2 Módszertan
Az elektronikus kölyök fejének egy példánya a robotkölyök projekt humanoid platformja volt, és a korábbi tapasztalatokat használta fel a továbbfejlődéséhez. A fejnek hat fokozata van az önállóság felé: forgópályán és dülöngélve haladva a nyak körül, egyenes pályán mozgás mindkét szemmel előre figyelve úgy, hogy mindegyik szemük a forgó motoroktól függ. Az összes szem tartalmaz egy kamerát, amelyek biztosítanak két mennyiségi tényezőt: a cél pozícióját vertikális és horizontális irányokban. Ezek az értékek módosítják az összes motor pozícióit, így egy összekapcsolt kaotikus rendszert generálnak 6 logisztikus térképpel 1. ábra.
1. ábra az elektronikus kölyök szenzomotoros diagrammja a működtetés 5. szintjén.
3.3 Eredmények
A gyenge és erős kapcsolatok fejlődése a kaotikus részegységek között függ az interakció szintjétől előrehaladva az időben 2. ábra. Annak ellenére, hogy minden kapcsolat ugyanazzal az értékkel indul a rendszernek csak kevés lépés kell, hogy elkülönítse a csoportban a gyenge és erős kapcsolatokat. Nagyon érdekes megfigyelés erről a jelenségről, hogy körülbelül 500 lépés kell ahhoz, hogy a kapcsolatban lévő összes részegység elkezdjen oszcillálni a megengedett aktivitás középértéke körül. Extrém eseteknek számítanak a felemelkedő egységek minden szemben, így az LP és az RP, amelyek egy erős hatás által fejlődnek, amely a nyak felemelkedő mozgásából származik, viszont semmi hatás nem éri más tényezők által. A forgó részegységek a nagyobb egyensúlyi hatás irányába fejlődtek saját hálózatukban mindig 0,5 körül oszcillálva.
A 3500. lépésnél a rendszer befejezte működését a már teljesen kifejlett állapotban ahol a belső kapcsolatainak változása nagyon kicsi. A végén mindegyik részegységre hatással volt nem több, mint 2 másik részegység az egész hálózaton belül 2. ábra. Ahogy az várható volt két független alhálózat bukkant fel 20 másodperc alatt. Az egyik oldalon minden kaotikus egység esetében a forgó mozgások erősítik a kapcsolatokat, míg a gyengítő hatások az emelkedő egységekből származnak, és ugyanez történik azokkal az egységekkel, amelyek az emelkedő mozgásokból táplálkoznak, ha összehasonlítjuk őket a forgó egységekkel.
2. ábra felül: kezdő (bal) és végső (jobb) konfigurációi a GCM-nek. Alul: A kapcsolatok fejlődése az időben.
4. Tárgyalás
A modern és a klasszikus szabályozáselmélet két megszorítással alkalmazta a szabályozást bármilyen autonóm rendszerben. Mindig biztosította a nagyon pontos és hatékony tevékenységet az indusztriális környezeten belül ahol a gép és a környezet precízen tudja modellezni a munkát a stabillá tett tereken belül. Annak ellenére, hogy a specializált mobil humanoid robotok hajtanak minket arra felé, hogy felülvizsgáljuk a hasznosságát ennek a megközelítésnek a dinamikus és kiszámíthatatlan környezetben a különböző korszerű platformokon, amelyek a szabályozáselmélet tradicionális eszközeit használják. Habár a számítási kapacitás exponenciális növekedése segít foglalkozni az inverz kinematikus és dinamikus környezet drága kezelésével modellezve ezeket a rendszereket és ezek minden alkalommal találnak egy helyzetet ahol az igények gyors reakciót kívánnak, vagy a szükséges mozgást nem kódolta le a programozó.
Egy dinamikus, rugalmas és önálló kognitív architektúra ma már jobban szükségeltetik, mint valaha az emberi természet megértéséhez. Egy rendszer szolgál alapjául a nemlineáris dinamikai rendszerek elméletének, amely olyan fontos területek tanulmányozását kívánja elősegíteni, mint az epilepszia, a fejlődéspszichológia, a pszichoterápia, a motorikus szabályozás, az idegtudományok, és sok egyéb más terület. A jelenleg tervek alapján azt mondhatjuk, hogy a kognitív architektúrnak nagy hasznát fogja venni a tudomány különösen akkor, ha megpróbálunk általa integrálni különböző területeket a tudományos kutatásban, így az ember és robot interakciót, az utánzást, a motorikus szabályozást, a számítógépes látást és a gépi tanulást. Mindegyikük demonstrál egy komplex témát, majd integrálja őket kihívásként önmagának.
Hivatkozások:
1. Karen Adolph. Learning to learn in the development of action, volume 33, chapter
3, pages 91–122. Lawrence Erlbaum Associates, Inc., New Jersey, 2005. In the
Minnesota Symposa on Child Psychology.
2. A. Babloyantz, J. M. Salazar, and C. Nicolis. Evidence of chaotic dynamics of
brain activity during the sleep cycle. Physics Letters A, 111(3):152–156, 1985.
3. Rodney Brooks. A robust programming scheme for a mobile robot. In Proc. of
the NATO Advanced Research Workshop on Languages for sensor-based control in
robotics, pages 509–522, London, UK, 1987. Springer-Verlag.
4. Wayne Christensen and Clifford Hooker. An interactivistconstructivist approach to
intelligence: self-directed anticipative learning. Philosophical Psychology, 13(2):5–
45, 2000.
5. Keith Davids, Chris Button, and Bennett S. Modeling human motor systems in
nonlinear dynamics: Intentionality and discrete movement behaviors. Nonlinear
Dynamics, Psychology, and Life Sciences, 3(1):3–30, 1999.
6. Dario Floreano, Phil Husbands, and Stefano Nolfi. Evolutionary robotics. In
Handbook of Robotics. Springer Verlag, Berlin, 2008.
7. Walter Freeman. Mass Action in the Nervous System. Academic Press Inc., New
York, 2004.
8. Walter Freeman and Giuseppe Vitiello. Nonlinear brain dynamics as macroscopic
manifestation of underlying many-body field dynamics. Physics of Life Reviews,
3(2):93–118, 2006.
9. Stephen Guastello. Motor control research requires nonlinear dynamics. American
Psychologist, 61(1):77–78, 2006.
10. Derek Harter. Towards a model of basic intentional systems: Nonlinear dynamics
for perception memory and action in autonomous adaptive agents. PhD thesis,
The University of Memphis, May 2004.
11. Robert Hristovski, Keith Davids, Duarte Araujo, and Chris Button. How boxers
decide to punch a target: Emergent behaviour in nonlinear dynamical movement
systems. Journal of Sports Science and Medicine, 5:60–73, 2006.
12. Michael Hutchinson and Phillip D. Swanson. Chaos theory and the treatment of
refractory status epilepticus: Who benefits from prolonged anesthesia, and is there
a better way? Medical Hypotheses, 68(2):439–441, 2007.
13. Junji Ito and Kunihiko Kaneko. Spontaneous structure formation in a network of
dynamic elements. Phys. Rev. E, 67(4):046226, Apr 2003.
14. Kunihiko Kaneko. Relevance of dynamic clustering to biological networks. Physica
D: Nonlinear Phenomena, 75(1):55–73, Aug 1994.
15. Kunihiko Kaneko and Ichiro Tsuda. Complex Systems: Chaos and Beyond.
Springer-Verlag, 2001.
16. Leslie Kay, Koji Shimoide, and Walter Freeman. Comparison of eeg time series
from rat olfactory system with model composed of nonlinear coupled oscillators.
International Journal of Bifurcation and Chaos, 5(3):849–858, 1995.
17. Jeffrey Krichmar and Gerald Edelman. Brain-based devices for the study of nervous
systems and the development of intelligent machines. Artificial Life, 11(1-2):63–77,
2005.
18. Yasuo Kuniyoshi and Shinsuke Suzuki. Dynamic emergence and adaptation of behavior
through embodiment as a coupled chaotic field. In Proceedings of 2004
IEEE/RSJ International Conference on Intelligent Robots and Systems, pages
2042–2049, 2004.
19. Mark Latash, John Scholz, and Gregor Sch¨oner. Toward a new theory of motor
synergies. Motor control, 11(3):276–308, 2007.
20. WANG Le, LI Guang, LI Xu, GUO Hongji, and Walter J. Freeman. A chaotic
neural network mimicking an olfactory system and its application on image recognition.
Journal of Bionics Engineering, 1(3):191 – 198, 2004.
21. Colin Molter, Utku Salihoglu, and Hugues Bersini. The road to chaos by timeasymmetric
hebbian learning in recurrent neural networks. Neural Computation,
19(1):80–110, 2007.
22. Frank Pasemann, Uli Steinmetz, Martin H¨ulse, and Bruno Lara. Evolving brain
structures for robot control. In IWANN ’01: Proceedings of the 6th International
Work-Conference on Artificial and Natural Neural Networks, volume 2085 of Lecture
Notes in Computer Science, pages 410–417. Springer-Verlag, 2001.
23. David Pincus. Dynamical systems theory and pain imagery: Bridging the gap
between research and practice. Journal of Mental Imagery, 30(1-2):93–112, 2006.
24. David Pincus and Stephen Guastello. Nonlinear dynamics and interpersonal correlates
of verbal turn-taking patterns in group therapy. Small Group Research,
36(6):635–677, 2005.
25. RobotCub Project. Robotic open-architecture technology for cognition, understanding
and behaviours. http://www.robotcub.org.
26. Mikhail Rabinovich, Pablo Varona, Allen Selverston, and Henry Abarbanel. Dynamical
principles in neuroscience. Reviews of Modern Physics, 78(4):1213–1265,
2006.
27. S. Schaal, P. Mohajerian, and A.J. Ijspeert. Dynamics systems vs. optimal control
a unifying view. Progress in Brain Research, 165:425–445, 2007.
28. Murray Shanahan. A cognitive architecture that combines internal simulation with
a global workspace. Consciousness and Cognition, 15(2):433–449, 2006.
29. D.-S. Shiau, W. Chaovalitwongse, L. D. Iasemidis, P. M. Pardalos, P. R. Carney,
and J. C. Sackellares. Nonlinear dynamical and statistical approaches to investigate
state transitions before epileptic seizures. pages 239–249, 2004.
30. Elizabeth Spelke and Katherine Kinzler. Core knowledge. Developmental Science,
10(1):89–96, 2007.
31. Esther Thelen and Linda Smith. A dynamic systems approach to the development
of cognition and action. The MIT Press Inc., Cambridge, MA, 1994.
32. Ichiro Tsuda. Toward an interpretation of dynamic neural activity in terms of
chaotic dynamical systems. Behavioral and Brain Sciences, 24(5):793–847, 2001.
33. Ichiro Tsuda and Hiroshi Fujii. A complex systems approach to an interpretation
of dynamic brain activity i: Chaotic itinerancy can provide a mathematical basis
for information processing in cortical transitory and nonstationary dynamics. In
Summer School on Neural Networks, volume 3146 of Lecture Notes in Computer
Science, pages 109–128. Springer, 2003.
34. Ichiro Tsuda and Shigeru Kuroda. A complex systems approach to an interpretation
of dynamic brain activity ii: Does cantor coding provide a dynamic model for
the formation of episodic memory? In Summer School on Neural Networks, volume
3146 of Lecture Notes in Computer Science, pages 129–139. Springer, 2003.
35. David Vernon. Cognitive vision: The case for embodied perception. Image Vision
Comput., 26(1):127–140, 2008.
36. David Vernon and Dermot Furlong. Philosophical foundations of ai. In 50 Years
of Artificial Intelligence, volume 4850 of Lecture Notes in Artificial Intelligence,
A cikk angol nyelvű forrása: http://www.robotcub.org/misc/papers/08_boris_cogsys.pdf
Comparison of Emerging Manufacturing Concepts
Comparison of Emerging Manufacturing Concepts Fejlődő gyártási koncepciók összehasonlítása
The current and continuing focus on agile manufacturing will pave the way towards organisational structures with very high operational flexibility and the ability of systems to transform their internal structure and technology as needed. A jelenben meglévő, folyamatos figyelem az agilis gyártási technológiákra előkészíti az utat a nagyon magas szintű operatív rugalmassággal rendelkező szervezeti struktúrák kialakulásához és a rendszerek belső strukturális és technológiai átalakulásához fűződő képességek kialakulásához, amelyek jelenbeli szükségletként jelentkeznek.
A promising structure, in this respect, is a conglomerate of distributed and autonomous units which operate as a set of cooperating entities. Egy jónak igérkező struktúra ebben a tekintetben konglomerátuma a megosztott és önálló részegységeknek, amelyek működtetnek egy halom egymással együttműködő entitást.
In this paper we examine the emerging Bionic, Fractal and Holonic concepts of manufacturing. Ebben a cikkben megvizsgáljuk a fejlődő bionikus, fraktális és holonikus gyártási koncepciókat.
http://www.asknature.org/
The flippers of the humpback whale channel flow and increase aerodynamic efficiency due to tubercles or bumps. A hosszúszárnyú bálna uszonyai megfelelő áramlást és növekvő aerodinamikai hatékonyságot biztosítanak gümőikkel és daganataikkal.
The gills of basking sharks filter plankton from seawater for nutrition via specialized filters called gill-rakers. A cápák kopoltyúi planktont szűrnek a tengervízből táplálékként egy speciális szűrő segítségével amit úgy hívnak, hogy kopoltyú kaparó.
2015. július 15., szerda
25. hét
Ezen a héten is folytattam a közelmúltban elkezdett tudományos cikkek fordítását, alul a a címek mutatják, hogy melyikeket. Azt döntse el az angolul jól tudó olvasó, hogy milyen minőségben, de talán jól. A fordításhoz szótárnak most a https://translate.google.hu/?hl=hu#en/hu/awareness oldalt használtam, ahol a szavak angol és magyar megfelelőinek belinkelt hangfájljait is mindig többször meghallgattam gyakorolva a kiejtést. Továbbá a lefordított mondatokat egészben is visszahallgattam és visszamondtam most is a http://www.ivona.com/ oldalon.
Toward a ’chaotic’ cognitive architecture:
In short, this kind of dynamical systems use discrete partial difference equations to study the evolution of a process described by discrete steps in space and time but with continuous states. Röviden ezek a dinamikai rendszerek diszkrét parciális differenciálegyenleteket használnak, hogy tanulmányozni tudjuk az evolúció folyamatát, amely diszkrét lépésekkel halad előre a térben és időben, de nem diszkrét, hanem kontinuum egységet teremt a természet struktúrájában.
Two parameters control the dynamics of these maps: a chaoticity factor and the strenght of connections among their elements. Két paraméter szabályozza ezeknek a térképeknek a dinamikáját: egy kaotizáló faktor és a kapcsolatok szilárdsága a térkép elemei között.
The study of dynamically varying the connections among the elements in a GCM was done by Ito and Kaneko [14, 13]. A dinamikus változók tanulmányozását amelyek az elemek közötti dinamikus kapcsolatokat jellemzik a GCM-ben Ito és Kaneko végezte el.
The model is described by the set of equations in (1). A modellt leírják a következő egyenletek:
The first equation correspond to a GCM, where f represents a chaotic map; (1c) updates each unit’s connections coming from other units in the network; and (1d) specifies the hebbian rule governing the relationship between all units. Az első egyenlet összhangban van a GCM-el, ahol f reprezentálja a kaotikus térképet (1c) frissíti az összes többi részegységehez fűződő kapcsolatokat a hálózatban változás esetén; és (1d) adja meg a hebb szabályt irányító viszonyokat a részegységek között.
The classic version of the logistic map (1b) is used as transfer function in all experiments. A klasszikus verziója a logisztikus térképnek (1b) minden kutatás szerint a transzfer függvényt használja.
In (1c), ? represents the degree of plasticity of the connections and ranges from 0 to 1. Az (1c)-ben ? reprezentálja a kapcsolatok plaszticitásának fokozatait és rangsorolásukat 0-tól 1-ig.
Weights wij in (1c) refer to the influence from unit j going into unit i. (1c)-ben wij a súlyokat reprezentálja utalva a hatásra, amit j részegység gyakorol az i részegységre.
All self-connections were set to 0; and the initial condition for all remaining connections are equal to 1/(N - 1), N being the number of chaotic units. Az önálló kapcsolatok száma 0 volt és a kezdeti feltételek között az egyéb kapcsolatok száma 1/(N - 1), ahol N a kaotikus egységek száma.
A copy of the iCub’s head, the humanoid platform of the Robotcub’s project [25], was used in previous experiments. Az elektronikus kölyök fejének egy példánya a robotkölyök projekt humanoid platformja volt, és a korábbi tapasztalatokat használta fel továbbfejlődéséhez.
The head has six degrees of freedom: yaw pitch and roll for the neck, a single pitch motion for both eyes and independent yaw motors for each eye. A fejnek hat fokozata van az önállóság felé: forgópályán haladva és dülöngélve haladva a nyak körül, egyenes pályán mozgás mindkét szemmel előre figyelve úgy, hogy mindegyik szemük a forgó motoroktól függ.
Each eye has a camera that provides two quantities: the position of the target in vertical and horizontal directions. Az összes szem tartalmaz egy kamerát, amelyek biztosítanak két mennyiségi tényezőt: a cél pozícióját vertikális és horizontális irányokban.
These values modify the position of each motor; thus generating a coupled chaotic system with 6 logistic maps, Fig. 1. Ezek az értékek módosítják az összes motor pozícióit, így egy összekapcsolt kaotikus rendszert generálnak 6 logisztikus térképpel 1. ábra.
Fig. 1. iCub’s sensorimotor diagram, 5dof actuation. 1. ábra az elektronikus kölyök szenzomotoros diagrammja a működtetés 5. szintjén.
Results Eredmények
The development of weak and strong connections among the chaotic units depend on the level of interaction they have through time, Fig. 2. A gyenge és erős kapcsolatok fejlődése a kaotikus részegységek között függ az interakció szintjétől előrehaladva az időben.
Even though all connections start with the same value, the system takes only a few time steps to separate in groups of strong and weak connections. Annak ellenére, hogy minden kapcsolat ugyanazzal az értékkel indul a rendszernek csak kevés lépés kell, hogy elkülönítse a csoportban a gyenge és erős kapcsolatokat.
A very interesting observation from this plot is that after approximately 500 steps, the connections arriving to any unit oscillate around the middle of the permitted strength. Nagyon érdekes megfigyelés erről a jelenségről, hogy körülbelül 500 lépés kell ahhoz, hogy a kapcsolatban lévő összes részegység elkezdjen oszcillálni a megengedett aktivitás középértéke körül.
Extreme cases are with pitch units in each eye LP and RP which develop a very strong influence from the pitch motion of the neck NP but a zero influence from one to another. Extrém eseteknek számítanak a felemelkedő egységek minden szemben, így az LP és az RP, amelyek egy erős hatás által fejlődnek, amely a nyak felemelkedő mozgásából származik, viszont semmi hatás nem éri más tényezők által.
Yaw units develop a more balanced influence in their network, oscillating always around 0.5. A forgó részegységek a nagyobb egyensúlyi hatás irányába fejlődtek saját hálózatukban mindig 0,5 körül oszcillálva.
At time step 3500 the system has entered in an almost fully developed state where its internal connections vary very little. A 3500. lépésnél a rendszer befejezte működését a már teljesen kifejlett állapotban ahol a belső kapcsolatainak változása nagyon kicsi.
In the end, each unit is influenced by no more than two other units within the whole network, Fig. 2. A végén mindegyik részegységre hatással volt nem több, mint 2 másik részegység az egész hálózaton belül 2. ábra.
As expected, two independent sub networks emerge after approximately 20 seconds. Ahogy az várható volt két független alhálózat bukkant fel 20 másodperc alatt.
In one side all chaotic units fed by yaw motions strengthen their connections while weakening those toward and from ‘pitch’ units; and the same happens with those units fed by pitch motions when compared to ‘yaw’ units. Az egyik oldalon minden kaotikus egység esetében a forgó mozgások erősítik a kapcsolatokat, míg a gyengítő hatások az emelkedő egységekből származnak, és ugyanez történik azokkal az egységekkel, amelyek az emelkedő mozgásokból táplálkoznak, ha összehasonlítjuk őket a forgó egységekkel.
Discussion Tárgyalás
Modern and classical control theories have been the two frameworks applied for controlling any kind of autonomous system. A modern és a klasszikus szabályozáselmélet két megszorítással alkalmazta a szabályozást bármilyen autonóm rendszerben.
They have proved to be very accurate and efficient inside industrial environments where machine and environment can be modeled precisely since they work within fixed spaces. Mindig biztosította a nagyon pontos és hatékony tevékenységet az indusztriális környezeten belül ahol a gép és a környezet precízen tudja modellezni a munkát a stabillá tett tereken belül.
Even though mobile and specially humanoid robotics are pushing us to reconsider the usefulness of this approach in dynamic an unpredictable environments, several state-of-the-art platforms keep using the traditional tools of control theory. Annak ellenére, hogy a specializált mobil humanoid robotok hajtanak minket arra felé, hogy felülvizsgáljuk a hasznosságát ennek a megközelítésnek a dinamikus és kiszámíthatatlan környezetben a különböző korszerű platformokon, amelyek a szabályozáselmélet tradicionális eszközeit használják.
Albeit the exponential growth of computational power has helped to deal with the expensive treatment of inverse kinematics/dynamics and environment modeling of these systems, they fail every time they find a situation that demands fast reactions or motions that were not coded by the programmer. Habár a számítási kapacitás exponenciális növekedése segít foglalkozni az inverz kinematikus és dinamikus környezet drága kezelésével modellezve ezeket a rendszereket és ezek minden alkalommal találnak egy helyzetet ahol az igények gyors reakciót kívánnak, vagy a szükséges mozgást nem kódolta le a programozó.
A dynamic, flexible and autonomous cognitive architecture is needed today more than ever to get a better understanding of human nature. Egy dinamikus, rugalmas és önálló kognitív architektúra ma már jobban szükségeltetik, mint valaha az emberi természet megértéséhez.
A system based on nonlinear dynamical systems theory would be of great importance for the study of areas such as epilepsy [12, 29], developmental psychology [31, 1, 30], psychotherapy [24, 23], motor control [9, 5, 11], neurosciences [8, 26, 32], and many others. Egy rendszer szolgál alapjául a nemlineáris dinamikai rendszerek elméletének, amely olyan fontos területek tanulmányozását kívánja elősegíteni, mint az epilepszia, a fejlődéspszichológia, a pszichoterápia, a motorikus szabályozás, az idegtudományok, és sok egyéb más terület.
At the same time, a cognitive architecture like the one proposed here will be of great use for, but mainly will try to integrate several areas of scientific research like human-robot interaction, imitation, motor control, computer vision, and machine learning. A jelenleg tervek alapján azt mondhatjuk, hogy a kognitív architektúrnak nagy hasznát fogja venni a tudomány különösen akkor, ha megpróbálunk általa integrálni különböző területeket a tudományos kutatásban, így az ember és robot interakciót, az utánzást, a motorikus szabályozást, a számítógépes látást és a gépi tanulást.
Each one of them has demonstrated to be a complex subject and integrating them will be a challenge on its own. Mindegyikük demonstrált egy komplex témát, majd integrálta őket kihívásként saját magának.
Toward a ’chaotic’ cognitive architecture:
In short, this kind of dynamical systems use discrete partial difference equations to study the evolution of a process described by discrete steps in space and time but with continuous states. Röviden ezek a dinamikai rendszerek diszkrét parciális differenciálegyenleteket használnak, hogy tanulmányozni tudjuk az evolúció folyamatát, amely diszkrét lépésekkel halad előre a térben és időben, de nem diszkrét, hanem kontinuum egységet teremt a természet struktúrájában.
Two parameters control the dynamics of these maps: a chaoticity factor and the strenght of connections among their elements. Két paraméter szabályozza ezeknek a térképeknek a dinamikáját: egy kaotizáló faktor és a kapcsolatok szilárdsága a térkép elemei között.
The study of dynamically varying the connections among the elements in a GCM was done by Ito and Kaneko [14, 13]. A dinamikus változók tanulmányozását amelyek az elemek közötti dinamikus kapcsolatokat jellemzik a GCM-ben Ito és Kaneko végezte el.
The model is described by the set of equations in (1). A modellt leírják a következő egyenletek:
The first equation correspond to a GCM, where f represents a chaotic map; (1c) updates each unit’s connections coming from other units in the network; and (1d) specifies the hebbian rule governing the relationship between all units. Az első egyenlet összhangban van a GCM-el, ahol f reprezentálja a kaotikus térképet (1c) frissíti az összes többi részegységehez fűződő kapcsolatokat a hálózatban változás esetén; és (1d) adja meg a hebb szabályt irányító viszonyokat a részegységek között.
The classic version of the logistic map (1b) is used as transfer function in all experiments. A klasszikus verziója a logisztikus térképnek (1b) minden kutatás szerint a transzfer függvényt használja.
In (1c), ? represents the degree of plasticity of the connections and ranges from 0 to 1. Az (1c)-ben ? reprezentálja a kapcsolatok plaszticitásának fokozatait és rangsorolásukat 0-tól 1-ig.
Weights wij in (1c) refer to the influence from unit j going into unit i. (1c)-ben wij a súlyokat reprezentálja utalva a hatásra, amit j részegység gyakorol az i részegységre.
All self-connections were set to 0; and the initial condition for all remaining connections are equal to 1/(N - 1), N being the number of chaotic units. Az önálló kapcsolatok száma 0 volt és a kezdeti feltételek között az egyéb kapcsolatok száma 1/(N - 1), ahol N a kaotikus egységek száma.
A copy of the iCub’s head, the humanoid platform of the Robotcub’s project [25], was used in previous experiments. Az elektronikus kölyök fejének egy példánya a robotkölyök projekt humanoid platformja volt, és a korábbi tapasztalatokat használta fel továbbfejlődéséhez.
The head has six degrees of freedom: yaw pitch and roll for the neck, a single pitch motion for both eyes and independent yaw motors for each eye. A fejnek hat fokozata van az önállóság felé: forgópályán haladva és dülöngélve haladva a nyak körül, egyenes pályán mozgás mindkét szemmel előre figyelve úgy, hogy mindegyik szemük a forgó motoroktól függ.
Each eye has a camera that provides two quantities: the position of the target in vertical and horizontal directions. Az összes szem tartalmaz egy kamerát, amelyek biztosítanak két mennyiségi tényezőt: a cél pozícióját vertikális és horizontális irányokban.
These values modify the position of each motor; thus generating a coupled chaotic system with 6 logistic maps, Fig. 1. Ezek az értékek módosítják az összes motor pozícióit, így egy összekapcsolt kaotikus rendszert generálnak 6 logisztikus térképpel 1. ábra.
Fig. 1. iCub’s sensorimotor diagram, 5dof actuation. 1. ábra az elektronikus kölyök szenzomotoros diagrammja a működtetés 5. szintjén.
Results Eredmények
The development of weak and strong connections among the chaotic units depend on the level of interaction they have through time, Fig. 2. A gyenge és erős kapcsolatok fejlődése a kaotikus részegységek között függ az interakció szintjétől előrehaladva az időben.
Even though all connections start with the same value, the system takes only a few time steps to separate in groups of strong and weak connections. Annak ellenére, hogy minden kapcsolat ugyanazzal az értékkel indul a rendszernek csak kevés lépés kell, hogy elkülönítse a csoportban a gyenge és erős kapcsolatokat.
A very interesting observation from this plot is that after approximately 500 steps, the connections arriving to any unit oscillate around the middle of the permitted strength. Nagyon érdekes megfigyelés erről a jelenségről, hogy körülbelül 500 lépés kell ahhoz, hogy a kapcsolatban lévő összes részegység elkezdjen oszcillálni a megengedett aktivitás középértéke körül.
Extreme cases are with pitch units in each eye LP and RP which develop a very strong influence from the pitch motion of the neck NP but a zero influence from one to another. Extrém eseteknek számítanak a felemelkedő egységek minden szemben, így az LP és az RP, amelyek egy erős hatás által fejlődnek, amely a nyak felemelkedő mozgásából származik, viszont semmi hatás nem éri más tényezők által.
Yaw units develop a more balanced influence in their network, oscillating always around 0.5. A forgó részegységek a nagyobb egyensúlyi hatás irányába fejlődtek saját hálózatukban mindig 0,5 körül oszcillálva.
At time step 3500 the system has entered in an almost fully developed state where its internal connections vary very little. A 3500. lépésnél a rendszer befejezte működését a már teljesen kifejlett állapotban ahol a belső kapcsolatainak változása nagyon kicsi.
In the end, each unit is influenced by no more than two other units within the whole network, Fig. 2. A végén mindegyik részegységre hatással volt nem több, mint 2 másik részegység az egész hálózaton belül 2. ábra.
As expected, two independent sub networks emerge after approximately 20 seconds. Ahogy az várható volt két független alhálózat bukkant fel 20 másodperc alatt.
In one side all chaotic units fed by yaw motions strengthen their connections while weakening those toward and from ‘pitch’ units; and the same happens with those units fed by pitch motions when compared to ‘yaw’ units. Az egyik oldalon minden kaotikus egység esetében a forgó mozgások erősítik a kapcsolatokat, míg a gyengítő hatások az emelkedő egységekből származnak, és ugyanez történik azokkal az egységekkel, amelyek az emelkedő mozgásokból táplálkoznak, ha összehasonlítjuk őket a forgó egységekkel.
Discussion Tárgyalás
Modern and classical control theories have been the two frameworks applied for controlling any kind of autonomous system. A modern és a klasszikus szabályozáselmélet két megszorítással alkalmazta a szabályozást bármilyen autonóm rendszerben.
They have proved to be very accurate and efficient inside industrial environments where machine and environment can be modeled precisely since they work within fixed spaces. Mindig biztosította a nagyon pontos és hatékony tevékenységet az indusztriális környezeten belül ahol a gép és a környezet precízen tudja modellezni a munkát a stabillá tett tereken belül.
Even though mobile and specially humanoid robotics are pushing us to reconsider the usefulness of this approach in dynamic an unpredictable environments, several state-of-the-art platforms keep using the traditional tools of control theory. Annak ellenére, hogy a specializált mobil humanoid robotok hajtanak minket arra felé, hogy felülvizsgáljuk a hasznosságát ennek a megközelítésnek a dinamikus és kiszámíthatatlan környezetben a különböző korszerű platformokon, amelyek a szabályozáselmélet tradicionális eszközeit használják.
Albeit the exponential growth of computational power has helped to deal with the expensive treatment of inverse kinematics/dynamics and environment modeling of these systems, they fail every time they find a situation that demands fast reactions or motions that were not coded by the programmer. Habár a számítási kapacitás exponenciális növekedése segít foglalkozni az inverz kinematikus és dinamikus környezet drága kezelésével modellezve ezeket a rendszereket és ezek minden alkalommal találnak egy helyzetet ahol az igények gyors reakciót kívánnak, vagy a szükséges mozgást nem kódolta le a programozó.
A dynamic, flexible and autonomous cognitive architecture is needed today more than ever to get a better understanding of human nature. Egy dinamikus, rugalmas és önálló kognitív architektúra ma már jobban szükségeltetik, mint valaha az emberi természet megértéséhez.
A system based on nonlinear dynamical systems theory would be of great importance for the study of areas such as epilepsy [12, 29], developmental psychology [31, 1, 30], psychotherapy [24, 23], motor control [9, 5, 11], neurosciences [8, 26, 32], and many others. Egy rendszer szolgál alapjául a nemlineáris dinamikai rendszerek elméletének, amely olyan fontos területek tanulmányozását kívánja elősegíteni, mint az epilepszia, a fejlődéspszichológia, a pszichoterápia, a motorikus szabályozás, az idegtudományok, és sok egyéb más terület.
At the same time, a cognitive architecture like the one proposed here will be of great use for, but mainly will try to integrate several areas of scientific research like human-robot interaction, imitation, motor control, computer vision, and machine learning. A jelenleg tervek alapján azt mondhatjuk, hogy a kognitív architektúrnak nagy hasznát fogja venni a tudomány különösen akkor, ha megpróbálunk általa integrálni különböző területeket a tudományos kutatásban, így az ember és robot interakciót, az utánzást, a motorikus szabályozást, a számítógépes látást és a gépi tanulást.
Each one of them has demonstrated to be a complex subject and integrating them will be a challenge on its own. Mindegyikük demonstrált egy komplex témát, majd integrálta őket kihívásként saját magának.
2015. július 7., kedd
24. hét
Ezen a héten is folytattam a közelmúltban elkezdett tudományos cikkek fordítását, alul a a címek mutatják, hogy melyikeket. Azt döntse el az angolul jól tudó olvasó, hogy milyen minőségben, de talán jól. A fordításhoz szótárnak most a https://translate.google.hu/?hl=hu#en/hu/awareness oldalt használtam, ahol a szavak angol és magyar megfelelőinek belinkelt hangfájljait is mindig többször meghallgattam gyakorolva a kiejtést. Továbbá a lefordított mondatokat egészben is visszahallgattam és visszamondtam most is a http://www.ivona.com/ oldalon. Továbbá folytattam a http://www.asknature.org/ oldalon, amely angol nyelvű, mérnöki tervezéshez felhasználható, természeti analógiákat tartalmazó adatbázis, a természeti analógiák fordítását, amit majd saját műszaki terveimhez szeretnék felhasználni egyszer.
http://www.asknature.org/
The filament injection organ of Myxobolus cerebralis detects a potential fish host via receptors that recognize chemical compounds present in fish mucus. A Myxobolus cerebralis szálfecskendő szerve felismeri a hal fogadó receptorain keresztül a potenciális kémiai vegyületek jelenlétét a halnyálkában.
STICK.S LIGHTWEIGHT STRUCTURAL SYSTEM Novel antiseismic, sustainable structural system of reinforced concrete Állati csontozat, mint könnyűsúlyú strukturális rendszer, akár a vasbeton újszerű, antiszeizmikus fenntartható rendszere.
The skin of the marble berry has a bright blue pointillist appearance due to distinct cell-to-cell Bragg reflection of color on cellulose microfibrils. A márvány bogyó héjának ragyogó kék pointilista megjelenése van, amit a színek különálló sejttől-sejtig ható bragg visszaverődése okozz a cellulóz mikrofibrillumokon.
The bodies of damselflies have brilliant metallic colors derived from structural arrangement of pigment granules. A szitakötők testének briliáns fémes színe van, amely a pigment granulátumuk strukturális elrendezéséből származik.
Toward a ’chaotic’ cognitive architecture:
Coupled Maps with Adaptive Connections Összekapcsolt térképek adaptív kapcsolatokkal.
Coupled Map Lattices (CML) and Globally Coupled Maps (GCM), were introduced by Kunihiko Kaneko in the middle of the 1980’s as an alternative for the study of spatiotemporal chaos [15]. Az összekapcsolt térképek hálóit (CML) és globális összekapcsolt térképeket (GCM) Kunihiko Kaneko vezette be az 1980-as évek közepén, mint egy alternatív tanulmányozási lehetőségét a spatiotemporális káosznak.
http://www.asknature.org/
The filament injection organ of Myxobolus cerebralis detects a potential fish host via receptors that recognize chemical compounds present in fish mucus. A Myxobolus cerebralis szálfecskendő szerve felismeri a hal fogadó receptorain keresztül a potenciális kémiai vegyületek jelenlétét a halnyálkában.
STICK.S LIGHTWEIGHT STRUCTURAL SYSTEM Novel antiseismic, sustainable structural system of reinforced concrete Állati csontozat, mint könnyűsúlyú strukturális rendszer, akár a vasbeton újszerű, antiszeizmikus fenntartható rendszere.
The skin of the marble berry has a bright blue pointillist appearance due to distinct cell-to-cell Bragg reflection of color on cellulose microfibrils. A márvány bogyó héjának ragyogó kék pointilista megjelenése van, amit a színek különálló sejttől-sejtig ható bragg visszaverődése okozz a cellulóz mikrofibrillumokon.
The bodies of damselflies have brilliant metallic colors derived from structural arrangement of pigment granules. A szitakötők testének briliáns fémes színe van, amely a pigment granulátumuk strukturális elrendezéséből származik.
Toward a ’chaotic’ cognitive architecture:
Coupled Maps with Adaptive Connections Összekapcsolt térképek adaptív kapcsolatokkal.
Coupled Map Lattices (CML) and Globally Coupled Maps (GCM), were introduced by Kunihiko Kaneko in the middle of the 1980’s as an alternative for the study of spatiotemporal chaos [15]. Az összekapcsolt térképek hálóit (CML) és globális összekapcsolt térképeket (GCM) Kunihiko Kaneko vezette be az 1980-as évek közepén, mint egy alternatív tanulmányozási lehetőségét a spatiotemporális káosznak.
Feliratkozás:
Bejegyzések (Atom)