This paper discusses how a behavior

This paper discusses how a behavior-based robot can construct a “symbolic process” that accounts for its deliberative thinking processes using models of the environment. The paper focuses on two essential problems; one is the symbol grounding problem and the other is how the internal symbolic processes can be situated with respect to the behavioral contexts. We investigate these problems by applying a dynamical system's approach to the robot navigation learning problem. Our formulation, based on a forward modeling scheme using recurrent neural learning, shows that the robot is capable of learning grammatical structure hidden in the geometry of the workspace from the local sensory inputs through its navigational experiences. Furthermore, the robot is capable of generating diverse action plans to reach an arbitrary goal using the acquired forward model which incorporates chaotic dynamics. The essential claim is that the internal symbolic process, being embedded in the attractor, is grounded since it is self-organized solely through interaction with the physical world. It is also shown that structural stability arises in the interaction between the neural dynamics and the environmental dynamics, which accounts for the situatedness of the internal symbolic process, The experimental results using a mobile robot, equipped with a local sensor consisting of a laser range finder, verify our claims

ผลลัพธ์ (ไทย) 1:

เอกสารนี้อธิบายถึงวิธีหุ่นยนต์ตามลักษณะการทำงานสามารถสร้าง "สัญลักษณ์กระบวนการ" ที่บัญชีสำหรับกระบวนการคิดสำนักที่ใช้รูปแบบของสภาพแวดล้อม กระดาษเน้นปัญหาสำคัญที่สอง คือปัญหาดินสัญลักษณ์ และอื่น ๆ ที่เป็นวิธีสามารถอยู่ภายในสัญลักษณ์กระบวนการตามบริบทเชิงพฤติกรรม เราสามารถตรวจสอบปัญหาเหล่านี้ โดยใช้วิธีการของระบบ dynamical ปัญหาเรียนรู้หุ่นยนต์นำทาง สูตรของเรา อิงแบบโมเดลไปข้างหน้าโดยใช้การเรียนรู้ระบบประสาทกำเริบ แสดงว่า หุ่นยนต์มีความสามารถในการเรียนรู้โครงสร้างทางไวยากรณ์ที่ซ่อนอยู่ในรูปทรงของพื้นที่ทำงานจากปัจจัยการผลิตที่ทางท้องถิ่นผ่านประสบการณ์ของการนำทาง นอกจากนี้ หุ่นยนต์มีความสามารถในการสร้างแผนการดำเนินการต่าง ๆ เพื่อบรรลุเป้าหมายกำหนดโดยใช้รูปแบบไปข้างหน้าได้ซึ่งประกอบด้วย dynamics วุ่นวาย อ้างจำเป็นว่า กระบวนการสัญลักษณ์ภายใน ถูกฝังใน attractor เป็นเหตุผลเนื่องจากเป็นการจัดการตนเองเพียงผู้เดียวผ่านปฏิสัมพันธ์กับโลกทางกายภาพ มันยังแสดงให้เห็นว่า โครงสร้างความมั่นคงที่เกิดขึ้นในการโต้ตอบระหว่างการเปลี่ยนแปลงของระบบประสาทและการสิ่งแวดล้อม บัญชีใดสำหรับ situatedness การภายในสัญลักษณ์กระบวนการ ผลการทดลองที่ใช้หุ่นยนต์มือถือ เซนเซอร์ภายในเครื่องที่ประกอบด้วยการค้นหาช่วงของเลเซอร์ ตรวจสอบการเรียกร้องของเรา

ผลลัพธ์ (ไทย) 2:

บทความนี้กล่าวถึงวิธีการที่หุ่นยนต์พฤติกรรมตามสามารถสร้างกระบวนการ "สัญลักษณ์" ที่บัญชีสำหรับกระบวนการคิดของการอภิปรายโดยใช้แบบจำลองของสภาพแวดล้อม กระดาษที่มุ่งเน้นไปที่สองปัญหาที่สำคัญ; หนึ่งในปัญหาสัญลักษณ์ดินและอื่น ๆ ที่เป็นวิธีการที่กระบวนการสัญลักษณ์ภายในสามารถอยู่ด้วยความเคารพในบริบทพฤติกรรม เราจะตรวจสอบปัญหาเหล​​่านี้โดยใช้วิธีการที่เป็นระบบที่มีพลังในการแก้ไขปัญหาของการเรียนรู้นำทางหุ่นยนต์ สูตรของเราขึ้นอยู่กับรูปแบบการสร้างแบบจำลองไปข้างหน้าโดยใช้การเรียนรู้ประสาทกำเริบแสดงให้เห็นว่าหุ่นยนต์ที่มีความสามารถในการเรียนรู้โครงสร้างไวยากรณ์ที่ซ่อนอยู่ในรูปทรงเรขาคณิตของพื้นที่ทำงานจากปัจจัยการผลิตทางประสาทสัมผัสในท้องถิ่นผ่านประสบการณ์ของการเดินเรือ นอกจากนี้หุ่นยนต์ที่มีความสามารถในการสร้างแผนปฏิบัติการที่มีความหลากหลายที่จะไปถึงเป้าหมายที่กำหนดเองโดยใช้รูปแบบที่ได้มาไปข้างหน้าซึ่งประกอบด้วยการเปลี่ยนแปลงวุ่นวาย การเรียกร้องที่สำคัญคือว่ากระบวนการสัญลักษณ์ภายในถูกฝังอยู่ใน attractor ที่เป็นเหตุผลเพราะมันเป็นตนเองจัด แต่เพียงผู้เดียวผ่านการมีปฏิสัมพันธ์กับโลกทางกายภาพ มันแสดงให้เห็นว่าเสถียรภาพของโครงสร้างที่เกิดขึ้นในการมีปฏิสัมพันธ์ระหว่างการเปลี่ยนแปลงของระบบประสาทและการเปลี่ยนแปลงของสิ่งแวดล้อมที่บัญชีสำหรับ situatedness ของกระบวนการสัญลักษณ์ภายในผลการทดลองโดยใช้หุ่นยนต์เคลื่อนที่พร้อมกับเซ็นเซอร์ท้องถิ่นประกอบด้วยค้นหาระยะเลเซอร์ ตรวจสอบการเรียกร้องของเรา

ผลลัพธ์ (ไทย) 3:

บทความนี้อธิบายวิธีการหุ่นยนต์ตามพฤติกรรมที่สามารถสร้าง " กระบวนการ " สัญลักษณ์ที่บัญชีสำหรับการเกี่ยวกับการอภิปรายกระบวนการคิดโดยใช้รูปแบบของสภาพแวดล้อม กระดาษเน้นสองปัญหาที่สำคัญ เป็นสัญลักษณ์สายดินปัญหาและอื่น ๆเป็นวิธีการภายในสัญลักษณ์กระบวนการที่สามารถตั้งอยู่ด้วยความเคารพบริบทเชิงพฤติกรรม เราตรวจสอบปัญหาเหล่านี้โดยการใช้วิธีการของระบบพลวัตของหุ่นยนต์นำทางการเรียนรู้ปัญหา สูตรของเรา ยึดไปข้างหน้าแบบโครงการโดยใช้การเรียนรู้ประสาทกำเริบ แสดงว่า หุ่นยนต์มีความสามารถในการเรียนโครงสร้างไวยากรณ์ที่ถูกซ่อนไว้ในเรขาคณิตของพื้นที่ทำงานจากท้องถิ่นและปัจจัยการผลิตผ่านประสบการณ์เกี่ยวกับการเดินเรือของ นอกจากนี้ หุ่นยนต์จะสามารถสร้างหลากหลายแผนการเข้าถึงเป้าหมายใช้โดยพลการได้มาซึ่งประกอบด้วยไปข้างหน้าแบบพลวัตที่วุ่นวาย การเรียกร้องที่สำคัญ คือ กระบวนการที่เป็นสัญลักษณ์ภายใน ถูกฝังอยู่ใน attractor , กักบริเวณ เนื่องจากเป็น self-organized แต่เพียงผู้เดียวผ่านการมีปฏิสัมพันธ์กับโลกทางกายภาพ นอกจากนี้ยังแสดงให้เห็นว่าเสถียรภาพของโครงสร้างที่เกิดขึ้นในระหว่างทางประสาทและการเปลี่ยนแปลงสิ่งแวดล้อม ซึ่งบัญชีสำหรับ situatedness ของกระบวนการเชิงสัญลักษณ์ภายใน ผลการทดลองใช้หุ่นยนต์พร้อมเซนเซอร์ท้องถิ่นประกอบด้วยเลเซอร์ช่วง Finder , ตรวจสอบการเรียกร้องของเรา