[发明专利]一种基于空间记忆神经机制的广域环境编码方法和系统

说明书

本申请实施例公开了一种基于空间记忆神经机制的广域环境编码方法和系统。通过摄像装置连续采集到的RGB视觉图像经过深度卷积神经网络的抽象表示，转化为与机器人位置和方向角信息有关的视觉特征，形成表征哺乳动物大脑中外侧内嗅皮层(LEC)神经元的视觉节点的活动值；通过传感器记录到的运动信息经过路径整合，转化为表征哺乳动物大脑中内侧内嗅皮层(MEC)神经元的栅格节点的活动值；将视觉节点的视觉编码和栅格节点的运动编码转化为对环境的空间描述，构建类似哺乳动物自由运动时在大脑中所形成的认知地图。通过自主学习，降低对人工设计特征的依赖性，能够鲁棒地应对突发情况；面对广域环境可保持稳定的空间编码能力，可扩展性强。

技术领域

本申请实施例涉及导航技术领域，具体涉及一种基于空间记忆神经机制的广域环境编码方法和系统。

背景技术

导航对于哺乳动物在现实世界中的生存至关重要，其中大脑中的海马体是其完成导航任务的重要脑区。海马体中的神经元活动有助于哺乳动物形成对所处环境的空间认知，构成“认知地图”。当哺乳动物在充满线索、提示的环境中自由探索时，海马体子区——齿状回(DG)中的位置细胞将在特定区域变得活跃，这个特定区域称为位置野。神经生物学实验发现，在标准尺寸的实验室环境中，位置细胞通常仅以单一位置野来表征哺乳动物所处空间；然而，在对应于广域自然场景的大尺寸实验室环境中，即超过18米的线性轨道或者大于3平方米的二维迷宫，位置细胞常呈现出不规则分布的多个位置野。海马体位置细胞独特的自组织规则极大地帮助了哺乳动物在野外跨越千里完成猎物追捕、迁徙等任务，这一高超的信息处理机制逐渐吸引了研究人员的注意力。

近年来，随着深度学习、机器视觉、脑科学与机器人学的逐渐交汇，移动机器人在广域环境中如何像哺乳动物一样具备优异的空间编码能力成为了研究热点。此研究领域对机器人类脑导航技术走向实用虽然具有极大的推动力，但是由于脑科学探索难度高、计算能力受限等一系列因素，目前该项研究的突破性进展仍然较少。

发明内容

为此，本申请实施例提供一种基于空间记忆神经机制的广域环境编码方法和系统，提供一种广域环境中地理特征的描述方法，通过自主学习，降低对人工设计特征的依赖性，能够鲁棒地应对突发情况；面对广域环境可保持稳定的空间编码能力，可扩展性强。

为了实现上述目的，本申请实施例提供如下技术方案：

根据本申请实施例的第一方面，提供了一种基于空间记忆神经机制的广域环境编码方法，所述方法包括：

利用预训练过的深度卷积神经网络对连续RGB视觉图像序列进行逐层抽象表示，得到基于机器人的位置和方向角信息的L个视觉节点活动，其中第k个节点的放电响应值为l_k；k∈{1,2,3,…L}；

利用MEC神经元对来自前庭系统的运动信息进行路径整合，形成M个栅格节点的周期性六边形网格状放电模式，其中第j个栅格节点的响应值g_j；j∈{1,2,3,…M}可由设定间距λ_j、设定方向和设定相位定量刻画，栅格节点活动值定义为以位置信息为自变量的三角栅格函数；

利用比例因子ρ调整视觉信息与运动信息的输入比例，以进行多源信息整合，得到P个位置节点的隐含响应，其中第i个位置节点的隐含响应值为h_i；

位置节点遵循稀疏编码规则维持放电频率，得到每个位置节点i的活动值p_i；

基于突触可塑性原理，利用痕迹学习规则更新视觉节点k与位置节点i的突触连接v_ik、栅格节点j与位置节点i的突触连接w_ij；

利用位置节点活动值更新痕迹学习规则中的短时活动记忆参数

可选地，所述根据j∈{1,2,3,…M}和位置点定义三角栅格函数g_j(t)，按照如下公式定义：