Učení se reprezentací peripersonálního prostoru pomocí “spiking” neuronových sítí

Jiří Štěpanovský

Learning Peripersonal Space Representations Using Spiking Neural Networks

Type of document

bakalářská práce
bachelor thesis

Author

Jiří Štěpanovský

Supervisor

Hoffmann Matěj

Opponent

Bakštein Eduard

Study program

Kybernetika a robotika

Institutions assigning rank

katedra kybernetiky

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

Pro správnou orientaci pohybu těla v prostoru musí mozek neustále analyzovat pozici svého těla vůči poloze blízkých předmětů. Toto povědomí o okolním prostoru vyžaduje neustálé sjednocování senzorických podnětů z několika smyslů a tvorbu interní reprezentace peripersonálního prostoru. V Neurorobotické platformě jsme implementovali biologicky inspirovaný model reprezentace peripersonálního prostoru pomocí "spiking" neuronových sítí a prozkoumali jsme jeho dynamické vlastnosti při ruzných typech učení. Nakonec jsme demonstrovali využití tohoto modelu k vyvolání obranné reakce na iCub robotu v simulovaném prostředí.

To guide the movement of the body through space, the brain must analyze the relation of the body position to nearby objects. This spacial awareness requires an integration of multiple sensory inputs and internal representation of the immediate surroundings, i.e., the peripersonal space. We've implemented a biologically inspired computational model of peripersonal space representation using spiking neural network in the Neurorobotics platform and explored its dynamical properties during multiple learning scenarios. Finally, we've demonstrated the use of this model as a defense mechanism on an iCub robot in a simulated environment.