Resumen

En este artículo se propone un mapa autoorganizado mejorado (SOM), llamado SOM de crecimiento sin parámetros (PL-G-SOM). Para superar los problemas existentes en el SOM tradicional (Kohonen, 1982), se han inventado diversos tipos de SOMs de crecimiento de estructura o SOMs de ajuste de parámetros, generalmente por separado. Aquí, combinamos la idea de SOMs de crecimiento (Bauer y Villmann, 1997; Dittenbach et al. 2000) y un SOM sin parámetros (Berglund y Sitte, 2006) para crear un SOM novedoso llamado PL-G-SOM, que permite un aprendizaje adicional, una preservación óptima del vecindario y una sintonización automática de los parámetros. El SOM mejorado se aplica para construir un sistema de aprendizaje de instrucciones de voz para robots colaboradores que adoptan un algoritmo simple de aprendizaje por refuerzo. Las instrucciones de voz de los usuarios se clasifican primero por el PL-G-SOM, luego los robots eligen una acción esperada de acuerdo con una política estocástica. Esta política se ajusta según la recompensa/castigo otorgada por el usuario del robot. También se diseña un mapa de sensaciones para expresar los grados de aprendizaje de las instrucciones de voz. Experimentos de aprendizaje y aprendizaje adicional utilizan instrucciones en varios idiomas, incluidos japonés, inglés, chino y malayo, lo que confirma la efectividad de nuestro sistema propuesto.

• Materias:Brazo robótico Robot omnidireccional Movimientos multiarticulares Algoritmo de control Máquina de vectores
• Subjects:Robotic arm Omnidirectional robot Multi-joint movements Control algorithm Vector machine
• Palabras claves:Mejorado; Mapa autoorganizado; PL-G-SOM; SOM en crecimiento; Sin parámetros; Aprendizaje
• Keywords:Improved; Self-organizing map; PL-G-SOM; Growing SOMs; Parameterless; Learning