低秩前向模型助力视觉运动系统自组织研究.pdfVIP

2015IEEE/RSJ智能机器人与系统国际会议（IROS）汉堡会议‑10

月2日。德国汉堡

低秩前向模型：通向视觉系统自组织的一条路径。

1111

ˆ安吉洛·卡多索,里卡多·,里卡多·,亚历山大·贝纳

—感觉耦合在生物体中普遍存在。感觉系统和运在这项工作中，我们考虑一个智能体，它在环境中

动系统如果彼此分离则毫无用处。生物体发展出的一项具有巨大收集视觉‑经验，并自组织其视觉拓扑结构（视网膜）、

生态优势的能力，是能够分辨感知输入的是来自环境还是生其系统（一组动作）以及一个能够预测由智能体自

物体自身，这种能力由资源高效的传感器和系统支持。身动作所产生的未来刺激的预测系统。在之前的工

这一能力已被证明是通过一个专门的电路（正向模型）实现的，

作[4]中，我们已经表明，视觉、和预测系统之间

该电路接收指令的副本（伴随放电）。我们提出了一种快速

耦合的特殊结构能够促进高度适应的视觉‑预测结构

推导资源受限正向模型的方法，将感觉耦合表述为对过于详

的发展，同时实现低计算资源消耗和低预测误差。在那

细的前向模型进行低秩近似。通过将问题表述为一种分解方法，

我们可以使用当前现成的矩阵分解求解器。我们通过实验表明，项工作中，通过在结构约束下最小化预测误差（使用梯

通过将问题作为低秩近似求解，相较于使用梯度下降法最小化目度下降法），实现了这种发展。

标函数，可以获得超过一个数量级的加速效果。开发资源受限且

生态适应的感觉系统，对于部署低成本节能的自主机器人以

在本文中，感觉耦合问题表述为对一个

在特定环境中执行特定任务至关重要。

过于详细的正向模型的低秩近似，即一个对大量传感器和

动作做出明确预测的正向模型。传感器方面的低秩近

似可以被看作是在寻找那些受动作影响方式相似的传

感器组；而在动作方面，则可以被看作是在寻找那些

I.引言对传感器产生影响方式相似的动作组。通过将问题表

没有感知（即感觉信息的组织、识别和解释），人述为低秩近似问题，我们可以借助文献中已有的矩阵分解

们将缺乏判断采取何种动作的；而如果无法对世界高效方法。正如在后续章节看到的那样，这样做还

采取行动，那么拥有感知也失去了意义。理想理性智能可以将感觉耦合分解为一组子问题，从而以更高效的

体[1]总是根据其感知和内置知识，采取能够最大化其方式加以解决。专注于一种实现低秩近似的方法：

性能度量的动作。这一定义将感知视为选择正确动作的非负矩阵分解[5],，不过也可以使用其他方法，例如非

一个组成部分，而非其自身目标。从这个角度看，一个负稀疏编码[6]。

广泛的目标是开发能够支持选择正确动作的感觉结

构。类似地，动物大脑也是为感觉控制而进化，并

且仍然保留着大量这种结构[2]。II.相关工作

预测动作的感觉效应的能力基于伴随放电（运

感觉耦合是指感觉系统和系统以整合的方动指令的