Jun, 2018

漂移的感知模式表明预测误差融合而非假设选择：在机器人上复制橡皮手幻觉

PDF
TL;DR本研究比较了人体幻觉和机器人的机械臂估计偏位，结果表明其漂移是由于预测误差融合，而不是假设选择，我们提出了通过预测误差最小化的身体推断作为一个将预测编码和因果推断统一起来的单一过程，解释了当我们受到跨模态的感官扰动时的知觉效应。
发现论文，激发创造
  • 基于大脑启发的身体自我知觉模型，复制橡皮手幻觉

    本研究整合了生物学发现，提出了一个脑启发的身体自我感知模型，通过这个模型可以自主构建身体自我的感觉，实验结果表明我们的模型可以很好地复制人类和猴子在生物实验中的行为和神经数据，并从神经水平上合理地解释引起橡胶手幻觉的原因和结果，从而有助于揭示橡胶手幻觉发生的计算和神经机制。

    Mar, 2023

  • 橡胶手幻觉的深度主动推理模型

    研究人员通过在虚拟环境中用深度主动推理代理进行实验，发现橡胶手幻觉 (RHI) 不仅可以改变感知的手臂位置，还可以引起意志力无法控制的力量，并且该模型能够解释这些结果。

    Aug, 2020

  • 基于预测编码的自适应机器人身体学习和估计

    该研究提出了一种计算感知模型，基于预测处理，能够使任何多感官机器人通过使用任意具有高斯加性噪声的传感器来学习、推断和更新其身体配置，从而实现自我校准和安全的人机物理交互。

    May, 2018

  • 机器人共感：视触感知下的手部操纵

    使用视觉和触觉感知输入实现灵巧的手中操作是一项具有挑战性的任务，本文提出了一种基于点云的触觉表示方法 Robot Synesthesia，该方法通过同时无缝地整合视觉和触觉输入，提供更丰富的空间信息，有助于更好地推理机器人动作，通过在模拟环境中训练并应用于真实机器人，可适用于各种手中物体旋转任务，并通过综合消融实验验证了视觉和触觉的整合如何改善强化学习和实验到真实场景的性能。

    Dec, 2023

  • 神经场与神经场的感知：手中操作的视觉触觉感知

    通过结合视觉和触觉传感来估计物体的位置和形状，本研究展示了多模态感知在手持操纵中的作用，证明触觉能够在手持操纵过程中改进视觉估计并提供更准确的感知，旨在推动机器人灵巧性的发展。

    Dec, 2023

  • 学习感知模型

    本文考虑了一个代理与未知和不确定的外部世界交互的情况，我们展示了预测了代理身体固有信息的模型会代表外部世界的对象，并通过积极预测身体信号来学习动态模型的过程具有优异的控制性能，此外还展示了使用相同模型可以回答关于真实世界中对象属性的问题。

    Apr, 2018

  • 基于 LSTM 的触感和动觉信息对象识别的贝叶斯和神经推理

    本研究提出了一种基于多模态对象识别的分析和数据驱动的方法，利用具有高分辨率触觉传感器的三指驱动夹爪进行压缩和释放探索过程（EPs），采集手指关节上的角度传感器获取触觉图像和动觉信息，然后，利用 LSTM 神经网络进行分类，最后通过贝叶斯和神经推理方法融合，对 36 种物体进行测试，结果表明贝叶斯分类器提高了物体识别能力并优于神经网络分类器。

    Jun, 2023

  • 面向人形机器人的积极推断身体感知和动作

    通过在仿生系统中应用主动推理身体感知和行为模型，能够在机器人上实现适应性身体感知和动作，并分析该方法适用于现实世界的交互。

    Jun, 2019

  • 学习身体模型：从人类到仿人机器人

    本研究通过与发展心理学家合作的定向实验，了解婴儿如何获得第一次的 “感觉 - 运动身体知识”，进而构建具有传感器官的计算模型，对多模态身体表示学习、适应和操作的机制进行研究，提出了自我接触和自我观察的办法，开发了一个校准工具箱，并在多个机器人平台上进行了实验验证，最终研究了周围空间与人类和机器人的安全合作的可能性。

    Nov, 2022

  • 结合视觉和触觉感知进行视频预测

    本论文探究将触觉感应应用于物理机器人相互作用的视频预测模型，结果表明增加触觉反馈有助于提高场景预测准确性和增强机器人在物理相互作用过程中的感知和理解能力。

    Apr, 2023