[发明专利]一种基于鼠脑海马信息传递机制的认知地图构建方法

说明书

本发明涉及一种基于鼠脑海马信息传递机制的认知地图构建方法，将惯性传感器采集的角速度、线速度和视觉传感器采集环境的RGB图像、深度图像输入到视觉惯性融合模块，利用图像信息修正角速度和线速度随时间造成的漂移误差，修正后的角速度和线速度输入到根据鼠脑海马空间细胞和信息传递机制构建的位置感知模块，其中角速度和线速度分别输入头朝向细胞和条纹细胞，并根据鼠脑海马中CA3‑内嗅皮层信息循环传递回路的竞争型网络模型构建网格细胞和位置细胞模型，用位置细胞模型对环境进行表达，得到机器人的位置信息，最终构建认知地图。本发明构建的认知地图跟传统的slam方式相比，包含生物学信息，可以应用在工作和生活中的各个领域。

技术领域：

本发明属于类脑计算及智能机器人导航领域，特别涉及一种基于鼠脑海马信息传递机制的认知地图构建方法。

背景技术:

人工智能领域是二十一世纪的重要研究领域，涉及到人类生活中的方方面面，极大的改变和改善了人类的生活，机器人导航作为人工智能领域的重要研究方面，主要分为惯性导航，路标导航，视觉导航等。类脑计算也是人工智能领域的重要研究方向，本发明是将机器人导航和类脑计算结合起来，模仿人和大鼠的导航方式使机器人具有和人类相似的环境认知与导航能力，具体来说，是模仿大鼠海马中各种空间细胞的放电机理与海马体中各部分以及各种神经细胞之间的信息传递机理来实现移动机器人导航。机器人导航是指机器人在结构化或动态非结构化的环境中，通过自身的传感器进行感知和学习，实现面向目标的避障自主移动的过程。传统的移动机器人导航是基于贝叶斯概率算法来进行，如图优化、卡尔曼滤波、扩展卡尔曼滤波算法等，已经在工业和生活领域取得了广泛的应用，但与人类和动物的导航能力相比，仍有一定的差距，所以需要能够处理复杂情况并具有更高智能的移动机器人来满足人们日益增长的工业和生活上的需要，所以本发明模拟生物的导航具有重大的意义。

为满足人工智能高速发展下对机器人的更高的要求，使移动机器人具有在复杂环境下能自主解决问题并具有学习能力，从而完成越来越复杂的任务，将人们从繁重的劳动中解放出来及代替人们进行危险或高精密度的作业，将类脑计算和仿生计算模型和机器人技术结合起来越来越受到人们的重视。人工智能和机器人研究领域的研究者们提出机器人应该向高级哺乳动物学习，模仿高级哺乳动物的大脑，使其形成高级智能，从而具有自主学习、演绎推理、复杂运算、归纳总结、创新决策等高级能力。也就是通过自主学习系统能自动完成对外界环境的特征学习，得到自己需要的知识，并存储起来；进一步通过系统的记忆能力，稳定地储存这些知识；以及如何通过系统在线自主学习并形成机器人内在抽象特征表达；最终通过系统动态地调节并得出适合当前环境下需要的决策，使机器人完成对动态环境的快速适应过程。

本发明根据鼠脑海马内各种空间细胞和信息传递机制构建认知地图，科学家在鼠脑海马内发现了各种跟导航有关的空间细胞：1971年，O’Keefe和Dostrovsky首次发现海马中的椎体神经元有着位置选择性的峰电位活动，当动物处于一个特定的空间位置时，特定的椎体神经元的放电频率会发生变化，这种神经元被称为位置细胞；Taube于1990年在后下托中发现的头朝向细胞；2005年Hafting等人通过变换试验箱的大小和形状，发现了对空间具体位置具有强烈放电的网格细胞；2008年多个实验室相继发表文章说明，在内嗅皮层的浅皮层中发现了边界细胞。2012年，O’Keefe等人在旁下托和内嗅皮层中发现了有空间周期性条纹状的放电野存在的条纹细胞。海马体主要由内嗅皮层(entorhinal cortex，EC)、齿状回(dentate gyrus，DG)、海马区(hippocampus)、下托综合体(subiculum complex，SUB)四部分组成。海马区分为海马角1区(cornu ammonis1,CA1)和海马角3区(cornuammonis3,CA3)。海马区和内嗅皮层之间存在着双向纤维投射，内嗅皮层先将信息投射到海马区中，经过纤维投射和神经元换元后，海马区再将输出信息投射到内嗅皮层中，形成内嗅皮层-海马区回路。本发明对各种空间细胞的放电机理及空间细胞之间的信息传递机制进行建模，构建对环境的认知地图，并在认知地图的基础上进行导航。本发明可实现大鼠对空间环境的认知和在环境中的自我定位，可以应用在工业、农业、生活的各个领域，具有良好的实用价值和商业价值。