公开(公告)号：CN119940397A

公开(公告)日：2025-05-06

申请号：CN202510112617.0

申请日：2025-01-24

Applicant: 郑州大学

Inventor： 王东署 ,  吕旭东 ,  谭毅波 ,  马国庆 ,  马家裕 ,  刘起 ,  吴志强 ,  王澳澳

IPC: G06N3/008 ,  G06N3/06 ,  G06N3/092 ,  G06N3/084 ,  G06N3/045 ,  B25J9/16

Abstract: 本申请属于机器人智能控制技术领域，涉及模拟海马记忆优先回放功能的机器人行为决策方法及设备。其方法模拟海马体中时间细胞在连续时间上的行为，以及记忆过程中独特的时间编码特性，对海马‑内嗅皮层结构中的位置细胞和网格细胞编码完成的信息进一步编码，为其刻上时间信息；然后设计记忆优先回放机制，用DQN优先记忆回放算法模拟人类大脑根据记忆的重要性进行选择性回放的工作机理，设计模拟海马‑内嗅皮层记忆机理的机器人类脑记忆优先回放模型，其设备用于实现上述机器人行为决策方法，本发明的算法具有很好的收敛性与泛化性，使得机器人能够快速适应陌生的环境，并较为高效的完成相应的任务。

公开(公告)号：CN119927902A

公开(公告)日：2025-05-06

申请号：CN202510063270.5

申请日：2025-01-15

Applicant: 郑州大学

Inventor： 王东署 ,  谭毅波 ,  马国庆 ,  马家裕 ,  刘起 ,  吴志强 ,  吕旭东 ,  王澳澳

IPC: B25J9/16 ,  G06N3/008 ,  G06N3/092 ,  G06N3/088 ,  G06N3/045 ,  G06N3/09

Abstract: 本申请属于机器人智能控制技术领域，涉及模拟大脑学习与记忆机理的机器人行为决策方法及设备。其方法是将发育网络DN2、强化学习以及自组织地图SOM相结合，模拟小脑学习系统、基底神经节和海马体学习系统的功能，得到基于发育网络DN2的自组织强化学习模型；其设备包括：一个或多个处理器及存储有一个或多个计算机可读指令的计算机可读介质，用于实现上述机器人行为决策方法。本发明恰当地利用了小脑学习系统、基底神经节和海马体学习系统三者的功能，这种融合算法结合强化学习和监督学习方法，既增强了基于发育网络DN2的自组织强化学习模型的鲁棒性，又提高了算法获得有效避障策略的能力，可以帮助智能体快速学习到高效的解。