A short time ago, cognitive science

A short time ago, cognitive science research and autonomous robotics were
utterly unrelated subjects, requiring completely different background, skills
and methodologies. Nowadays, the distance between the two fields is being
constantly shortened by the progress in computational modeling, and the construction
of increasingly skilled autonomous artificial agents inspired by the
abilities and behavior of living beings. The astounding discoveries that are
being recently achieved by brain scientists constitute the fundamental building
blocks for computational neuroscience and biomimetic robotics. This thesis
presents interdisciplinary research which puts neuroscience and robotics on the
same level, aiming at their mutual enrichment.
Grasping and manipulation of every kind of object is arguably the most distinctive
practical skill of human beings, and erect posture has likely evolved in
order to free the upper limbs and make of the hands two unmatchable tools.
Despite the great efforts that have been and are being put on it, grasping in
robotics is largely an unsolved problem, due to its inherent complexity and the
still limited adaptive skills of present day robots in visual and visuomotor behaviors.
The task of object grasping is dealt with in this thesis by mimicking,
as accurately as possible, the brain mechanisms which underlie planning and
execution of grasping actions in humans and other skilled primates.
The principal contribution of this thesis is the definition and implementation
of a functional model of the brain areas involved in vision-based grasping actions.
The model constitutes a bridge between cognitive science and robotics
research, and includes all the steps required for performing a successful grasping
action from visual data. The subdivision of visual processing into the
dorsal and ventral cortical streams, respectively dedicated to action-oriented
and perception-oriented vision, is thoroughly taken into account. Hypotheses
regarding the mechanisms that allow to achieve complex interactions with
the peripersonal space, through the integration of the data provided by the
streams, are put forth. Transfer functions are proposed for modeling the visuomotor
transformations performed by the brain areas most critical in grasp
planning and execution. Object shape and pose estimation takes into account
and integrates the contributions of stereoptic and perspective visual cues.
The particular attention payed to the functional role of brain areas makes the
model especially suitable for implementation on a real robotic setup, and a full
vision-based robotic grasping system has been developed following its guidelines.
Visual information regarding an unknown target object is acquired and
transformed into a basic representation onto which two concurrent processing
mechanisms are performed. The dorsal stream extracts and analyzes possible
grasping features, while the ventral stream performs object classification.
Dorsal and ventral visual data are merged for estimating shape, size and position
of the object, and a grasping plan is devised which takes into account
both visual data and proprioceptive information on the state of the arm and
hand. Grasp execution is performed with the aid of tactile feedback in order
to achieve a stable final hand configuration.
Grasping experiments have been performed on real objects unknown to the
system, and the obtained results attest the achievement of the thesis’ two
concurrent goals. On the one hand, the system can safely perform grasping
actions on different unmodeled objects, denoting especially reliable visual and
visuomotor skills. This confirms that the new research path proposed by the
thesis, according to which robotic grasping can be based on the integration
of the two visual processing channels of the primate brain, is significant and
worth further exploration. On the other hand, the computational model and
the robotic experiments help in validate theories on the mechanisms employed
by the brain areas more directly involved in grasping actions. This thesis offers
new insights and research hypotheses regarding such mechanisms, especially
for what concerns the interaction between the streams. Moreover, it helps in
establishing a common research framework for neuroscientists and roboticists
regarding research on brain functions.

ผลลัพธ์ (ไทย) 2:

ช่วงเวลาสั้น ๆ ที่ผ่านมาองค์ความรู้การวิจัยด้านวิทยาศาสตร์และหุ่นยนต์ในกำกับของรัฐเป็น
เรื่องที่ไม่เกี่ยวข้องกันอย่างเต็มที่ต้องสมบูรณ์พื้นหลังที่แตกต่างกันทักษะ
และวิธีการ ปัจจุบันระยะห่างระหว่างสองช่องจะถูก
ตัดให้สั้นลงอย่างต่อเนื่องโดยความคืบหน้าในการสร้างแบบจำลองการคำนวณและการก่อสร้าง
ของตัวแทนที่มีทักษะมากขึ้นเทียมอิสระแรงบันดาลใจจาก
ความสามารถและพฤติกรรมของสิ่งมีชีวิต การค้นพบที่น่าประหลาดใจที่ได้รับการ
ประสบความสำเร็จเมื่อเร็ว ๆ นี้โดยนักวิทยาศาสตร์สมองเป็นพื้นฐานการสร้าง
บล็อกสำหรับประสาทการคำนวณและหุ่นยนต์ biomimetic วิทยานิพนธ์ฉบับนี้
นำเสนอการวิจัยแบบสหวิทยาการที่ทำให้ประสาทและหุ่นยนต์ใน
ระดับเดียวกันเป้าหมายในการเพิ่มคุณค่าร่วมกันของพวกเขา.
โลภและการจัดการของชนิดของวัตถุทุกเนื้อหาที่โดดเด่นที่สุด
ทักษะการปฏิบัติของมนุษย์และท่าทางตรงมีการพัฒนามีแนวโน้มใน
การสั่งซื้อเพื่อฟรี แขนขาบนและให้ของมือสองเครื่องมือ unmatchable.
แม้จะมีความพยายามที่ดีที่ได้รับและมีการใส่มันโลภใน
หุ่นยนต์เป็นส่วนใหญ่แก้ปัญหาเนื่องจากความซับซ้อนโดยธรรมชาติของมันและ
ทักษะการปรับตัวยังมีข้อ จำกัด ของหุ่นยนต์ในยุคปัจจุบัน ในพฤติกรรมที่ภาพและ visuomotor.
งานของวัตถุโลภจะจัดการกับในวิทยานิพนธ์ฉบับนี้โดยการจำลอง,
อย่างถูกต้องที่สุดกลไกสมองซึ่งรองรับการวางแผนและ
การดำเนินการของการกระทำที่โลภในมนุษย์และบิชอพที่มีทักษะอื่น ๆ .
ผลงานที่สำคัญของงานวิจัยนี้คือ ความหมายและการดำเนินการ
ของรูปแบบการทำงานของสมองส่วนที่เกี่ยวข้องในการดำเนินการจับวิสัยทัศน์ตาม.
รุ่นที่ถือว่าเป็นสะพานเชื่อมระหว่างองค์ความรู้ด้านวิทยาศาสตร์และหุ่นยนต์
วิจัยและรวมถึงขั้นตอนทั้งหมดที่จำเป็นสำหรับการดำเนินการที่ประสบความสำเร็จโลภ
การกระทำจากข้อมูลภาพ แผนกของการประมวลผลภาพเข้าไปใน
ลำธารหลังและหน้าท้องเยื่อหุ้มสมองที่อุทิศตนตามลำดับกับการกระทำที่มุ่งเน้น
การรับรู้และวิสัยทัศน์ที่มุ่งเน้นจะถูกนำเข้าบัญชีอย่างละเอียด สมมติฐาน
เกี่ยวกับกลไกที่ช่วยให้เพื่อให้เกิดการปฏิสัมพันธ์ที่ซับซ้อนที่มี
พื้นที่ peripersonal ผ่านการบูรณาการข้อมูลที่ได้รับจาก
ลำธารจะถูกนำออกมา ฟังก์ชั่นการถ่ายโอนจะนำเสนอสำหรับการสร้างแบบจำลอง visuomotor
แปลงพื้นที่ดำเนินการโดยสมองที่สำคัญที่สุดในการเข้าใจ
การวางแผนและการดำเนินการ รูปร่างวัตถุและก่อให้เกิดการประมาณคำนึงถึง
การมีส่วนร่วมและบูรณาการของตัวชี้นำ stereoptic และภาพมุมมอง.
payed ความสนใจเป็นพิเศษกับบทบาทการทำงานของสมองที่ทำให้
รูปแบบที่เหมาะสมโดยเฉพาะอย่างยิ่งสำหรับการดำเนินงานเกี่ยวกับการติดตั้งหุ่นยนต์จริงและเต็มรูปแบบ
หุ่นยนต์ตามวิสัยทัศน์ ระบบโลภได้รับการพัฒนาตามแนวทางของตน.
ข้อมูลเกี่ยวกับภาพวัตถุเป้าหมายที่ไม่รู้จักที่ได้มาและ
กลายเป็นพื้นฐานสู่การเป็นตัวแทนที่สองการประมวลผลพร้อมกัน
กลไกที่จะดำเนินการ สารสกัดจากกระแสหลังที่เป็นไปได้และการวิเคราะห์
คุณสมบัติโลภในขณะที่กระแสท้องดำเนินการจัดหมวดหมู่ของวัตถุ.
ครีบหลังและข้อมูลภาพหน้าท้องจะถูกผสานสำหรับการประเมินรูปร่างขนาดและตำแหน่ง
ของวัตถุและแผนโลภมีการวางแผนที่จะเข้าสู่บัญชี
ข้อมูลทั้งภาพและ proprioceptive ข้อมูลเกี่ยวกับสถานะของแขนและ
มือ การดำเนินการจับจะดำเนินการด้วยความช่วยเหลือของความคิดเห็นสัมผัสในการสั่งซื้อ
เพื่อให้บรรลุการกำหนดค่าที่มีเสถียรภาพมือสุดท้าย.
ทดลองโลภได้รับการดำเนินการเกี่ยวกับวัตถุจริงที่ไม่รู้จักกับ
ระบบและผลที่ได้รับเป็นเครื่องยืนยันความสำเร็จของวิทยานิพนธ์สอง
เป้าหมายพร้อมกัน ในมือข้างหนึ่งของระบบได้อย่างปลอดภัยสามารถดำเนินการจับ
การกระทำบนวัตถุ unmodeled ที่แตกต่างกันแสดงถึงภาพที่เชื่อถือได้โดยเฉพาะอย่างยิ่งและ
ทักษะ visuomotor นี้ยืนยันว่าเส้นทางงานวิจัยใหม่ที่เสนอโดย
วิทยานิพนธ์ตามที่หุ่นยนต์โลภอาจขึ้นอยู่กับการรวมตัว
ของทั้งสองช่องทางในการประมวลผลภาพของสมองลิงที่มีความสำคัญและ
มีมูลค่าการสำรวจต่อไป ในทางกลับกันรูปแบบการคำนวณและ
การทดลองหุ่นยนต์ช่วยในการตรวจสอบทฤษฎีเกี่ยวกับกลไกการจ้างงาน
โดยพื้นที่สมองที่เกี่ยวข้องโดยตรงในการจับการกระทำ วิทยานิพนธ์นี้มี
ข้อมูลเชิงลึกใหม่และสมมติฐานการวิจัยเกี่ยวกับกลไกดังกล่าวโดยเฉพาะอย่างยิ่ง
สำหรับสิ่งที่เกี่ยวข้องกับการปฏิสัมพันธ์ระหว่างลำธาร นอกจากนี้ยังช่วยในการ
สร้างกรอบการวิจัยที่พบบ่อยสำหรับนักประสาทวิทยาและ roboticists
เกี่ยวกับการวิจัยเกี่ยวกับการทำงานของสมอง

ผลลัพธ์ (ไทย) 3:

เมื่อสักครู่ , วิทยาศาสตร์และการวิจัยอิสระหุ่นยนต์ถูก
อย่างเต็มที่ไม่เกี่ยวข้องวิชาต้องสมบูรณ์พื้นหลังที่แตกต่างกันทักษะ
และวิธีการ ปัจจุบัน ระยะห่างระหว่างสองเขตข้อมูลถูก
อย่างต่อเนื่องลดลง โดยความคืบหน้าในแบบจำลองคอมพิวเตอร์และการก่อสร้างของผู้เชี่ยวชาญอิสระมากขึ้น

โดยได้รับแรงบันดาลใจจากตัวแทนเทียมความสามารถและพฤติกรรมของสิ่งมีชีวิตทั้งหลาย น่าประหลาดใจที่เพิ่งได้รับการค้นพบโดยนักวิทยาศาสตร์สมอง

บล็อกถือเป็นพื้นฐานสร้างประสาทและหุ่นยนต์ไบโอมิเมติคการคำนวณ วิทยานิพนธ์ฉบับนี้เสนอสหวิทยาการวิจัยซึ่งทำให้

สมองและหุ่นยนต์ในระดับเดียวกันที่มุ่งเสริมซึ่งกันและกัน
คว้าและจัดการทุกชนิดของวัตถุเป็น arguably ที่โดดเด่นที่สุด
ฝีมือของมนุษย์ และท่าตรงมีแนวโน้มที่จะพัฒนาใน
ต้องฟรีขาส่วนบนและทำให้มือสอง unmatchable เครื่องมือ .
แม้จะมีความพยายามมากที่ได้รับและจะถูกวางไว้บนมัน กระเสือกกระสนใน
หุ่นยนต์ ส่วนใหญ่เป็น เป็นปัญหาที่แก้ไขไม่ได้ เนื่องจากความซับซ้อนของมันโดยธรรมชาติและ
ยังคงจำกัดการปรับตัวทักษะหุ่นยนต์ปัจจุบันในสายตาและพฤติกรรม visuomotor .
งานวัตถุโลภการแจกไพ่ในวิทยานิพนธ์นี้ โดยล้อเลียน
ได้อย่างถูกต้องที่สุด สมอง กลไกที่รองรับการวางแผนและการกระทำ
โลภของมนุษย์และสัตว์เลี้ยงลูกด้วยนมที่มีทักษะอื่น ๆ .
ส่วนหลักของวิทยานิพนธ์นี้คือนิยาม และการใช้
รูปแบบของการทำงานของสมองบริเวณที่เกี่ยวข้องกับวิสัยทัศน์ตามโลภ การกระทํา .
รูปแบบถือเป็นสะพานเชื่อมระหว่างวิทยาศาสตร์และการวิจัยหุ่นยนต์
และรวมถึงขั้นตอนทั้งหมดที่จำเป็นสำหรับการประสบความสำเร็จคว้า
กระทำจากข้อมูลภาพ ฝ่ายประมวลผลภาพเป็นครีบหลังและครีบท้องลำธาร
-
) ทุ่มเทให้กับการกระทำที่มุ่งเน้นและการรับรู้เชิงวิสัยทัศน์ ต้องถ่ายลงในบัญชี สมมติฐาน
เกี่ยวกับกลไกที่อนุญาตให้เพื่อให้บรรลุปฏิสัมพันธ์ที่ซับซ้อนด้วย
peripersonal พื้นที่โดยรวมของข้อมูลที่ให้ไว้โดย
ลำธาร ถูกนำออกมา โอนหน้าที่เสนอสำหรับการจำลอง visuomotor
งดำเนินการโดยสมองส่วนสําคัญที่สุดในเข้าใจ
การวางแผนและการดำเนินการ วัตถุรูปร่างและท่าทางจะเข้าบัญชีประมาณ
และรวมผลงานของ stereoptic และมุมมองคิวภาพ .
ความสนใจเฉพาะ payed กับบทบาทการทำงานของพื้นที่สมองทำให้เหมาะอย่างยิ่งสำหรับใช้งานบน
รูปแบบการติดตั้งหุ่นยนต์จริงและวิสัยทัศน์เต็ม
ตามระบบหุ่นยนต์โลภได้รับการพัฒนาต่อไปนี้
ของแนวทางภาพและข้อมูลเกี่ยวกับเป้าหมายและวัตถุที่ได้มา
กลายเป็นแทนพื้นฐานลงซึ่งสองกลไกการประมวลผล
พร้อมกันจะดําเนินการ สารสกัดจากส่วนของลำธาร และวิเคราะห์คุณสมบัติเป็นไปได้
โลภในขณะที่กระแสล่างแสดงการจำแนกวัตถุ ครีบหลังและครีบท้อง
ข้อมูลภาพที่ผสานการรูปร่าง ขนาด และตำแหน่ง
ของวัตถุและโลภแผนการวางแผน ซึ่งใช้เวลาในบัญชี
ทั้งภาพและข้อมูล proprioceptive ในสถานะของแขนและ
มือ เข้าใจการดำเนินการจะดำเนินการด้วยความช่วยเหลือของสัมผัสความคิดเห็นเพื่อให้ได้ค่า
สุดท้ายมือมั่นคง
โลภการทดลองได้ปฏิบัติบนวัตถุที่ไม่รู้จัก
ระบบจริงและผลการทดลองยืนยันความสำเร็จของวิทยานิพนธ์ ' 2
กำหนดเป้าหมาย ในมือข้างหนึ่ง , ระบบสามารถทำการกระทำบนวัตถุโลภ
unmodeled แตกต่างกันถึงที่เชื่อถือได้โดยเฉพาะภาพและทักษะ visuomotor
. นี้จะยืนยันว่าใหม่วิถีวิจัยที่เสนอโดย
วิทยานิพนธ์ตามโลภ ซึ่งหุ่นยนต์สามารถขึ้นอยู่กับการบูรณาการ
ของทั้งสองภาพการประมวลผลช่องทางของไพรเมตสมองมีความสำคัญและ
มูลค่าการสำรวจเพิ่มเติม บนมืออื่น ๆ , การคำนวณและการทดลองแบบจำลอง
หุ่นยนต์ช่วยในการตรวจสอบทฤษฎีเกี่ยวกับกลไกที่ใช้
โดยสมองพื้นที่เพิ่มเติมเกี่ยวข้องโดยตรงในการจับการกระทำ วิทยานิพนธ์ฉบับนี้เสนอข้อมูลเชิงลึกใหม่
และสมมติฐานการวิจัยเกี่ยวกับกลไกดังกล่าว โดยเฉพาะอย่างยิ่ง
เรื่องปฏิสัมพันธ์ระหว่างลำธาร นอกจากนี้ยังช่วยในการสร้างกรอบการวิจัยทั่วไป

neuroscientists CMU เกี่ยวกับการวิจัยและการทำงานของสมอง