Spiking based Cellular Learning Automata (SCLA) algorithm for mobile robot motion formulation

要約

本論文では、任意のランダムな初期点から目標点に到達する移動ロボットのために、SCLA（Spiking based Cellular Learning Automataの略）と呼ばれる新しい手法を提案する。提案手法は、セルラーオートマトンとスパイキングニューラルネットワークの両方を統合した結果である。環境は同じ大きさの複数のマスから構成され、ロボットは現在のマスに隣接するマスのみを観察する。ロボットは上下左右にしか動かない。環境は学習オートマトンにフィードバックを返し、次のステップでの意思決定を最適化する。同時に、スパイク・ニューラル・ネットワークが学習され、経路の長期的な改善と削減が行われる。その結果、セル・オートマトンとスパイキング・ニューラル・ネットワークの両方を統合することで、適切な経路の強化と学習時間の短縮が同時に達成されることが示された。

要約(オリジナル)

In this paper a new method called SCLA which stands for Spiking based Cellular Learning Automata is proposed for a mobile robot to get to the target from any random initial point. The proposed method is a result of the integration of both cellular automata and spiking neural networks. The environment consists of multiple squares of the same size and the robot only observes the neighboring squares of its current square. It should be stated that the robot only moves either up and down or right and left. The environment returns feedback to the learning automata to optimize its decision making in the next steps resulting in cellular automata training. Simultaneously a spiking neural network is trained to implement long term improvements and reductions on the paths. The results show that the integration of both cellular automata and spiking neural network ends up in reinforcing the proper paths and training time reduction at the same time.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL