Fraværende robotter husker det, der betyder noget

Vi bliver konstant oversvømmet med ny information, og for at administrere den effektivt er det nogle gange nødvendigt at glemme gamle, irrelevante minder.

Forskere ved Vanderbilt University har nu udviklet en algoritme, der efterligner denne form for glemsomhed i robotter, som en måde at filtrere mindre brugbar information fra.

At glemme er en kritisk evne, når man arbejder i dynamiske miljøer, siger ph.d.-studerende Sanford Freedman , som præsenterede gruppens datafiltreringssoftware, kaldet ActSimple, i et papir offentliggjort på IASTED Robotics and Applications konference afholdt i denne uge i Cambridge, MA.

ActSimple trækker på to facetter af menneskelig hukommelse: tidsbaseret henfald eller måden, hvorpå minder forsvinder over tid, og interferens, som er manglende genkaldelse af information på grund af andre minder, der konkurrerer om opmærksomhed. ActSimple tildeler forskellige stykker data værdier afhængigt af, hvor ofte de bruges, og hvor ens det er med andre stykker information.

For at teste softwaren brugte forskerne den til at styre en simuleret robot, der målte styrken af ​​WiFi-signaler i et virtuelt miljø. Robotten optog WiFi-aflæsninger på en skala fra 1-100, da den bevægede sig gennem den virtuelle indstilling, og disse WiFi-aflæsninger havde også forskellige niveauer af støj (fejl) forbundet med sig. Med intervaller stolede robotten på sin hukommelse til at skabe et estimeret WiFi-signalkort ved at genkalde signalstyrkeoplysninger, den havde indsamlet og gemt. Forskerne testede ActSimple mod fire andre algoritmer, inklusive en, der strengt ignorerede den ældste information, og en anden, der udfiltrerede tilfældig information.

Teamet fandt ud af, at ActSimple i gennemsnit skabte det mest pålidelige estimerede WiFi-kort. Interessant nok, da robotten huskede alt - det vil sige brugte al dens indsamlede information (fejl og det hele) - genererede den det mindst nøjagtige kort generelt.

skjule