全文约字

paper：GeneralizedSimultaneousLocalizationandMapping(G-SLAM)asunificationframeworkfornaturalandartificialintelligences:towardsreverseengineeringthehippocampal/entorhinalsystemandprinciplesofhigh-levelcognition

通用slam是智能的统一框架：逆向海马內嗅及高级认知原则

摘要：

1、同步定位和映射(SLAM)是自主具身系统的一个基本问题，hippocampal/entorhinalsystem(H/E-S)海马/内嗅系统(H/E-S)的适应性在进化过程中得到了优化。

2、我们在自由能原理和主动推理(FEP-AI)框架内开发了一个基于潜在变量生成模型的生物启发SLAM体系结构，它提供了移动机器人的灵活导航和规划。

3、我们主要集中于试图对H/E-S的“设计”属性进行逆向工程，但在这里，我们考虑机器人学中的SLAM原理可以帮助我们更好地理解神经系统和思维的产生。

4、在回顾了LatentSLAM这种控制架构的显著特征之后，我们考虑H/E-S如何不仅在物理导航方面，而且在被理解为广义同步定位和映射(G-SLAM)的高级认知方面实现这些功能属性。

5、我们将循环闭合、图松弛和节点复制（loopclosure,graphrelaxation,andnodeduplication）作为特别有影响力的架构特征，

6、表明这些计算现象可能有助于理解认知洞察力(作为原始因果推理)、适应(作为对现有模式的整合)和同化(作为类别形成)。

7、所有这些操作都可以类似地用在多个抽象层次上的结构/类别学习来描述。

8、在这里我们采用了生态合理性的观点，将H/E-S功能框定为在具体和抽象的假设空间中编排SLAM过程。

9、在这个导航/搜索过程中，同化和适应之间的适应性认知平衡涉及探索和利用之间的权衡；这种动态平衡可以在FEP人工智能代理中接近最优地实现，其中由期望自由能目标函数支配的控制系统自然地平衡模型的简单性和准确性。

10、关于结构学习，这种平衡将涉及构建既不太包容也不太排斥的模型和类别。

我们认为这些(广义的)SLAM现象可能代表了个体内部和个体之间认知变化的一些最具影响力的来源，表明这些神经调质对H/E-S功能的影响可能潜在地阐明了这些信号通路作为基本控制论控制参数的适应性意义。

11、最后，我们讨论了理解H/E-S对G-SLAM的贡献如何为高级认知及其在人工智能中的潜在实现提供一个统一的框架。

正文：

12、自治生命系统面临着一个基本的挑战，即当它们在世界上移动时，需要了解它们的位置。为此，机器人专家广泛研究了同步定位和地图绘制(SLAM)问题的解决方案，系统必须在空间导航时推断其周围环境和相对位置的地图(Cadena等人，年)。考虑到任何自由移动的控制论系统都面临这些相同的挑战，自然选择在这个方向上同样发挥了广泛的目的论(即，虚幻的目的性)优化(Dennett，；Safron，b)，从而产生机制，使生物能够在参与多种适应性觅食的环境中进行寻路和定位。也许所有生物SLAM机制中最复杂的是海马-内嗅系统(H/E-S),脊椎动物通过该系统能够记住它们去过哪里，推断它们在哪里，并预测它们下一步可能去哪里。

13、在这里，我们认为，H/E-S的发展代表了进化中的一个重大转变，因此使得各种形式的目的论(即，实际目标导向)出现(Safron，b)，

范围从预期行动-结果关联的治理到显式表示和自反性建模的因果序列，包括扩展的自我过程。

我们

转载请注明:http://www.aideyishus.com/lkgx/71.html