A model for the development of neural representations: from human observation to robotics

Abstract

As the world population continues to rapidly age comes the need for more and improved supporting infrastructures, long term health care services and assistive devices. As a way of dealing with the growing diversity of tasks, as well as increase their acceptability by different users, these devises must be able to adapt to new situations and requirements. Such is the role of a robotic system capable of understanding and learning from the user and caregivers by means of human observation. To that end, the work presented in this Master thesis addressed a part of the issue of Learning from Observation (LfO). The part in question is the generation of representations that a robotic system can understand for the observed actions and/or objects. This work demonstrates how a system that combines Dynamic Neural Fields (DNFs) and Self-Organizing Maps (SOMs) is capable of creating meaningful representations for actions performed by a human. In particular, this work altered a previously existing model for combining a DNF and a SOM so as to improve its stability and provide greater control over the system. It was then shown that the new model is capable of creating meaningful representations for human arm motions, using both simulated and unfiltered acquired data (demonstrating the intrinsic capabilities of the system for filtering the data).

Com o rápido crescimento da população idosa a nível mundial, acentua-se a necessidade de A medida que a população mundial continua rapidamente a envelhecer vem a necessidade de mais e melhores infraestruturas de apoio, serviços de cuidado a longo prazo e dispositivos de assistência médica. Para que estes dispositivos possam lidar com a crescente diversidade de tarefas, bem como aumentar a sua aceitação por parte dos utilizadores, eles devem ser capazes de se adaptar a novas situações e necessidades do utilizador. Esta é a função de um sistema robótico capaz de compreender e aprender com o utilizador e os assistentes médicos através da observação de um humano. Assim, o trabalho apresentado nesta dissertação aborda uma parte do problema da aprendizagem por observação. A parte em questão refere-se à geração de representações para as ações e/ou objetos observados passiveis de serem compreendidas por um sistema robótico. Este trabalho pretende demonstrar como um sistema que combina Campos Dinâmicos Neuronais (DNFs) e Self-Organizing Maps (SOMs) é capaz de criar representações significativas para as ações realizadas por um ser humano. Em particular, neste trabalho foi alterado um modelo anteriormente desenvolvido que combina um DNF e um SOM, de modo a melhorar a sua estabilidade e aumentar o controlo sobre o sistema. Pretende-se também demonstrar que o novo modelo é capaz de criar representações significativas para os movimentos dum braço humano, utilizando tanto dados simulados como adquiridos, sem necessidade de filtragem (demonstrando as capacidades intrínsecas do sistema para a filtragem dos dados).