Рассмотрены недостатки архитектур классических искусственных нейронных сетей (ИНС) в задачах интеллектуального управления автономными мобильными роботами. На основе модернизированных гетеро-ассоциативных ИНС был разработан адаптивный нейроконтроллер, позволяющий находить причинно-следственные связи в системе «робот-внешняя среда». Нейроконтроллер основан на системе правил и содержит две ИНС, выполняющие две различные функции. Первая реализована в виде блока мотонейронов, в котором содержится алгоритм управления исполнительными системами робота, а вторая предназначена для выявления в потоке сенсорных данных новых образов, которые добавляются в первую ИНС по схеме обучения с учителем.
The disadvantages of the classical architectures of artificial neural networks (ANNs) in the problems of intelligent control of an autonomous robotic vehicle are described. Based on updated bi-directional associative ANNs an adaptive neurocontroller has been developed which enables one to find the cause-effect relationships in the “robot-environment” system. The neurocontroller is based on the rule-based system and contains two ANNs that perform two different functions. The first one is implemented as a motoneurons unit that contains the robot motion control algorithm, and the second one is designed to identify in the sensory data sequence new patterns that are added to the first ANN based on the supervised learning scheme.
The authors declare that there are no conflicts of interest present.