Deep Learning based Quasi-consciousness Training for Robot Intelligent Model

要約

このペーパーでは、ロボットが学習と複雑なタスクの理由をレンダリングする深い学習ベースのロボットインテリジェントモデルを探ります。
まず、環境因子マトリックスのネットワークを構築してロボットインテリジェントモデルの学習プロセスを刺激することにより、モデルパラメーターを粗＆微調整にかけ、損失スコアを最小化するために損失関数を最適化する必要があります。
これまでに経験されたことのないことを表すために以前に知られている概念が一緒になっています。
第二に、主要な意識を持つロボットインテリジェントモデルを徐々に開発するために、すべてのロボットは、複雑な環境情報を理解および処理し、合理的な決定を下すために、擬人化行動パターンを訓練するために少なくとも1〜3年の特別学校にさらされなければなりません。
この作業は、ロボットインテリジェントモデルの分野でのディープラーニングベースの準意識トレーニングの潜在的なアプリケーションを調査および実現します。

要約(オリジナル)

This paper explores a deep learning based robot intelligent model that renders robots learn and reason for complex tasks. First, by constructing a network of environmental factor matrix to stimulate the learning process of the robot intelligent model, the model parameters must be subjected to coarse & fine tuning to optimize the loss function for minimizing the loss score, meanwhile robot intelligent model can fuse all previously known concepts together to represent things never experienced before, which need robot intelligent model can be generalized extensively. Secondly, in order to progressively develop a robot intelligent model with primary consciousness, every robot must be subjected to at least 1~3 years of special school for training anthropomorphic behaviour patterns to understand and process complex environmental information and make rational decisions. This work explores and delivers the potential application of deep learning-based quasi-consciousness training in the field of robot intelligent model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google