33、基于动态神经场的自然高效人机协作方法

基于动态神经场的自然高效人机协作方法

1. 人机协作行为与规划

在人机协作的装配工作中，存在多种行为。例如，将物体传递给协作伙伴，或者直接放置物体作为装配工作的一部分。此外，在联合活动中，像指向特定组件这样的交流手势，也可用于吸引协作伙伴的注意力。

高效的任务执行要求按照正确的顺序完成任务步骤，不能重复或遗漏序列中的动作。这种行为规划在很大程度上依赖于对预期动作后果的预测，也就是目标物体状态的改变。

共同子目标层（CSGL）包含了各个装配步骤期望最终结果的神经表征。这些结果可以通过动作执行层（AEL）中的相关运动表征来实现，并且能被视觉系统识别。神经生理学证据表明，在顺序任务中，前额叶皮质（PFC）中的不同亚群分别代表已经实现的子目标和尚未完成的子目标。与此相符，CSGL包含两个相连的动态神经场（DNF）层，分别对过去和未来事件进行群体表征。

来自视觉系统关于特定子目标达成的输入，会激活过去层中对应的群体，这反过来会抑制相应的目标表征，同时激发未来层中的一个或多个群体。这些群体的活动模式代表了当前装配工作状态所允许的后续装配步骤的预测最终结果。对于团队行为的流畅性而言，CSGL中子目标的更新不仅可以由视觉系统的直接输入触发，还可以由意图层（IL）中代表的协作伙伴的推断运动意图的输入触发。这使得观察者能够根据预期而非观察到的动作结果来准备未来的行动。

2. 动态神经场模型

2.1 模型基础

Wilson和Cowan，以及Amari引入了动态神经场作为皮质群体动力学的速率模型，该模型抽象了神经放电的生物物理细节。这类模型的架构反映了一个假设：局部群体内的强兴奋和抑制相互作用，加上来自多个相连神经元