人工智能导论课件 第十三章 类脑智能

第十三章

类脑智能Chapter13CONTENTS目录类脑计算与类脑智能类脑智能技术人工大脑类脑导航技术类脑导航模型类脑技术前景类脑计算与类脑智能01类脑计算与类脑智能01概念类脑智能是指基于类脑计算实现的类脑计算机为平台，获得和发展类人机器智能。所谓“类脑计算”，是指仿真、模拟和借鉴大脑神经系统结构和信息处理过程所设计或实现的模型、软件、装置等新型计算方法。类脑计算与类脑智能01目标通过研究人脑神经网络的机理，利用电子、光学、生物等技术实现神经计算机，使机器实现人类具有的多种认知能力及其协同机制，突破传统计算机（冯·诺依曼结构）在模拟人类智能方面的瓶颈。类脑智能系统在信息处理机制上类脑，认知行为和智能水平上类人，最终达到或超越人类智能水平，进而创造更加智能的机器--类脑智能机器。类脑计算与类脑智能01发展类脑智能技术的背景--已有方法的局限性在传统人工智能技术中，符号主义和联接主义的技术路线相应地采用了逻辑推理模拟和结构模拟的方法，来实现人类智能的机械化与电子化。行为主义则是完全忽略智能的机制，试图单纯通过行为模仿来实现智能。符号主义人工智能方法在对知识的建模、学习和推理方面仍存在缺乏感知、理解、拓展性差等局限性。联结主义中，传统人工神经网络又只能利用特定模型处理特定问题，同样存在缺乏理解、拓展性差等问题。由人工神经网络发展而来的深度神经网络形成的深度学习技术，结合大算力、大数据等技术，在感知智能方面超越人类，但与人类认知智能还相去甚远。类脑计算与类脑智能01发展类脑智能技术的背景--能耗效率深度学习技术在解决各种实际问题方面展示了强大性能，但是其缺陷也是显而易见的，尤其是在算力方面的需求，远超一般的机器学习方法，导致能耗过高，对气候、水资源等带来一定的负面作用。在深度学习时代，产生一流的人工智能模型所需的计算资源，平均每3.4个月翻一番；这意味着，能量需求在2012年至2018年之间增加了300,000倍。而“GPT-3”只是这种指数级增长轨迹上的一个最新节点。类脑计算与类脑智能01发展类脑智能技术的背景--能耗效率和当今的深度学习方法相比，人类大脑的效率高得不可思议。虽然只有几磅重，大概只需要20瓦左右的能量消耗，这个能耗只能够给昏暗的灯泡供电。然而，它们代表了已知宇宙中最强大的智力形式。与深度学习方法相比，人类大脑的效率高得不可思议。虽然只有几磅重，大概只需要20瓦左右的能量消耗，这个能耗只能够给昏暗的灯泡供电。然而，它代表了已知宇宙中最强大的智力形式。符号主义、联结主义方法及深度学习等方法都没有真正脑与神经网络的机制和结构出发来模拟人脑的结构实现智能。类脑计算与类脑智能01发展类脑智能技术的背景--结构主义结构主义是20世纪早期在人文社会科学领域兴起的一种理论流派。"结构决定功能"是结构主义的一个重要理论原则。系统的基本结构决定了其整体可以实现的功能。相似的结构可以实现相似的功能。要理解一个系统的功能,必须研究其内在的结构关系,而不应仅关注表面的现象。结构决定着功能的发挥。传统人工神经网络虽然也可以看做是一种结构主义方法，但是没有忠实于人脑的生物学结构，而是数学简化。深度神经网络（深度学习）也是如此。类脑计算要从结构上忠实模拟人脑结构，实现类脑智能。类脑计算与类脑智能01发展类脑智能技术的背景--传统计算机局限性首先，现代计算机都是基于冯诺依曼结构计算机，按照摩尔定律，即计算速度和晶体管数量每年翻一倍。但是现代计算机在芯片设计方面存在物理极限：芯片体积越来越小，所容纳的晶体管数量极其庞大（例如，10亿晶体管级芯片,需要芯片面积约为100-200平方毫米）。其次，现代计算机与人脑只在信息处理形式上有类似的地方，但在结构上和处理机制上与人脑完全不同。第三，人工智能、认知科学以及计算主义曾经认为的“人脑就像计算机一样工作”，但这一观点只是一种隐喻。类脑计算历史011989年，加州理工学院的卡弗·米德(CarverMead)提出了“类脑工程”概念，并撰写了《模拟VLSI与神经系统》一书，采用亚阈值模拟电路来仿真脉冲神经网络，其应用是仿真视网膜。1990~2003年，摩尔定律持续发展，基于冯·诺伊曼架构的处理器主频与性能持续增长，而类脑计算则沉寂十余年。2004年前后，单核处理器主频停止增长，设计者开始转向多核，学术界开始寻求冯·诺伊曼架构的替代技术。类脑计算经过十多年的小众研究，开始成为热点。2004年，斯坦福大学教授夸贝纳·波尔汉研制出基于模拟电路的类脑芯片Neurogrid。2005年，英国曼彻斯特大学开始研制基于ARM的多核超级计算机SpiNNaker。2005年，欧盟启动FACETS(FastAnalogComputingwithEmergentTransientStates)项目，研制基于模拟混合信号(AnalogMixed-Signal,AMS)的类脑芯片。2005年，美国国防部高级研究计划署(DARPA)启动SyNAPSE(SystemsofNeuromorphicAdaptivePlasticScalableElectronics)项目，支持IBM与多家单位联合研发类脑芯片。瑞士洛桑联邦理工学院(EPFL)研究者亨利·马克拉姆(HenryMarkram)与IBM合作启动了蓝脑项目，采用IBMBlueGene/L超级计算机模拟大规模神经网络。类脑计算历史012008年，惠普公司实现忆阻器原型，可作为类脑计算基本元件，并展示了首个忆阻器与硅材料的混合电路。2011年，欧盟启动BrainScaleS(Brain-inspiredmultiscalecomputationinneuromorphichybridsystems)项目，作为FACETS的后续项目，研发大规模并行类脑计算机。2012年，蓝脑项目所模拟的最大神经网络包括100万个神经元与10亿个突触，其规模相当于蜜蜂的大脑，仿真速度是实时速度的1/300。2013年，欧盟启动人脑计划，由亨利·马克拉姆牵头，总金额10亿欧元，包括神经信息学、医学信息学、脑仿真、高性能计算、类脑计算与神经机器人6个平台。同年，美国启动BRAIN并不直接涉及类脑计算，但是它将推动对生物脑机理的深入理解，为计算领域的研究者提供大量的实验数据与相关理论。2014年，达曼德拉·莫德哈(DharmendraModha)领导的IBMSyNAPSE项目推出了TrueNorth芯片。2015年3月，德国海德堡大学在一个8英寸硅片上集成了20万神经元和5000多万突触，采用这种“神经形态处理器”的类脑计算机成功运行。2016年8月，IBM苏黎世研究院制造脉冲神经元。每个单元能稳定存储3比特数据，还能执行多种计算，如检测数据关联等，并且像生物神经元一样具有随机性。类脑计算技术02类脑计算技术——类脑计算技术架构02类脑智能技术——历史022011年5月，IBM构建全新的定制芯片，被称作“神经突触核心”（neurosynapticcores）。采用45纳米SOI-CMOS技术制作的并且包含256个神经元，一个内核包含262,144个可编程的神经键，另一个包含65,536个学习神经键。希望采用这种芯片制造的系统能够通过经验学习、发现关联、创造假设和记忆，并且从结果中学习，模仿大脑结构和突触可塑性。该种芯片架构更节能并且没有固定的编程，把内存与处理器集成在一起，模仿大脑的事件驱动、分布式和并行处理方式。类脑芯片类脑智能技术——神经形态计算022014年8月7日，IBM宣布研制成功TrueNorth神经形态芯片，这项成果入选“2014年十大科学突破”。2016年发布TruNorth类脑计算机，其处理能力相当于1600万个神经元和40亿个神经键，消耗的能量只需2.5瓦。2019年IBM利用88万CPU，研制出与人脑速度相当的模拟人脑系统。类脑智能技术——神经形态计算02斯坦福大学2014年开始开发的神经形态超级计算机Neurogrid模拟树突计算（突触前离子通道功能）与数字轴突通信相结合。每个芯片集成了一百万个与2.56亿突触相连的神经元。类脑智能技术——神经形态计算022019年7月，Nature杂志封面刊登了清华大学类脑计算团队的新成果：天机芯片及其操控的自行车。最新一代天机芯片结合了类脑计算和人工智能，结合了面向神经科学和面向计算机科学的方法优势，从而开发出具有人类大脑和主流机器学习算法广泛特征的跨范式计算平台。天机芯片采用28nm工艺制造，核心面积仅仅3.8×3.8毫米，包含156个FCores核心，拥有大约40000个神经元和1000万个神经突触，可以同时支持机器学习算法和类脑电路。类脑智能技术——神经形态计算02目前，类脑计算技术主要基于类脑芯片实现。类脑芯片技术主要有两种类型，一种是参考人脑神经元组织结构设计的芯片，称为神经网络芯片。神经网络芯片大致可以分为4个大类：人工神经网络芯片、神经形态网络芯片、视觉处理芯片和类脑芯片工艺器件基础研究。人工神经网络芯片在实际应用进展方面发展较快；神经形态网络芯片尚处于探索性应用阶段；视觉处理芯片则专门用于完成图像和视频处理任务。类脑芯片的另一种类型是设计芯片结构来高效支持机器学习等智能算法，是非神经元组织结构的计算模型。例如，中国科学院计算技术研究所的寒武纪系列神经网络处理器，通过硬件体系结构的创新来大幅度提高性能并降低功耗。

神经形态计算的基本构建模块是研究人员称之为脉冲神经元，它的作用类似于逻辑门在传统计算中的作用。类脑智能技术——神经形态计算02英国曼彻斯特大学2012年开始设计数字脉冲神经网络架构（SpikingNeuralNetworkArchitec-Ture，SpiNNaker）芯片，是一种大规模并行神经网络。50万核神经形态计算平台目前已经升级为拥有100万个处理器核心和1200块互连电路板的超级计算机，这是世界上最大的神经形态计算机，也就是模拟神经元放电的计算机。类脑智能技术——神经形态计算02项目/单位实现技术神经元模型学习算法神经元个数突触个数SpiNNaker,英国曼彻斯特大学18核ARM芯片，片上网络互联LIF,IzhikevichSTDP每个ARM核上1K个神经元核的个数可达百万级别每个ARM核上1M个突触TrueNorth美国IBM公司数字电路LIF无每个神经突触核上256个神经元；每个芯片上4096个核每个神经突触核上256K个突触HICANN德国海德保大学模拟混合电路，晶片级集成AdExIFSTDP每个芯片上512个神经元；每个晶片上448个芯片每个芯片上115K个突触Neurogrid,美国斯坦福大学亚阈值模拟混合电路QIF无每个神经核上65K个神经元；每个芯片上16个神经核每个芯片上375M个突触ROLLS处理器，瑞士苏黎世理工学院亚阈值模拟混合电路AdExIFSTDP每个芯片上256个神经元每个芯片上128K个突触BlueHive,英国剑桥大学数字电路多FPGA集群Izhikevich无每个FPGA上64K个神经元每个FPGA上64M个突触EMBRACE,爱尔兰阿尔斯特大学与国立大学模拟混合电路，分级片上网络互联LIF遗传算法每个处理单元上32个神经元(16个输入+16个输出)每个输入神经元144个突触；每个输出神经元17个突触IFAT,美国加州大学圣地亚哥分校模拟混合电路LIF无每个芯片上65K个神经元每个芯片上65M个突触ZerothNPU,美国高通公司模拟混合电路LIF未知未知未知SiElegans欧洲多家研究机构数字电路，多FPGA集群(最多330个)多种类型包括HH,LIF无每个FPGA上1个神经元全连接类脑智能技术——历史02人脑计算机2012年，来自13家欧洲学术机构的科学家获得欧盟资助，启动“人类大脑计划”。他们将利用有史以来功能最强大的计算机，来实现世界上对完整人类大脑的首次模拟。人工大脑03人工大脑——脑模拟器03从神经网络出发的协同模型代表性工作是2012年加拿大滑铁卢大学研制的语义指针结构统一网络（SemanticPointerArchitectureUnifiedNetwork(Spaun)）或称为SPAUN脑模拟器，一种简化的人脑计算机模型。SPAUN是第一个能够完成一系列任务并展示行为的大脑模拟器。这个模型由大约250万个虚拟神经元组成，这些神经元被组织成功能组，就像人脑中视觉、短期记忆等相关区域中的真实神经元一样。人工大脑技术——人造神经元032016年8月IBM苏黎世研究院研究人员利用相变存储材料，制造出首例随机兴奋人工神经元，这是在人造大脑方面的又一突破。2018年8月3日，IBM苏黎世研究中心制成了世界上第一个人造纳米尺度随机相变神经元。IBM已经构建了由500个该神经元组成的阵列，并让该阵列以模拟人类大脑的工作方式进行信号处理，该技术突破具有重要意义。人造神经元不同于人工神经元，后者只是一个数学模型，而人造神经元则是利用一种相变材料技术制造出的模拟生物神经元的物理神经元。这是一种纳米级电子原件，由两个电极以及夹在它们之间的一层薄铁电物质组成。后者的电阻，可用类似于神经元电信号的电压脉冲来调整。若电阻低、突触联系会很强；若电阻高、突触联系会较弱。让人工神经突触进行学习，完全是基于这项调整电阻的能力。人工大脑——忆阻器03由于传统硬件对布尔逻辑的强关联性以及存储和处理过程间的巨大分离，数十年来研究者们一直存在怀疑，认为真正的人工智能不能在传统的硬件上实现。在忆阻器出现之前，构建具有像大脑那样的形状因子、低功耗和内部实时通信的结构是不可能的。这三个因素是构建一个类似脑，并可以通过训练使其像脑一样工作的装置的关键。忆阻器半导体混合电路，图中红色部分即Memristor记忆电阻。类脑导航技术04类脑导航技术--生物导航细胞04随着全球定位系统GPS的出现，我们开车寻路、驾驶飞机，甚至行走在城市的大街小巷，许多习惯都发生了改变。人和动物是如何判断、识别方位，如何实现自我导航的？2014年诺贝尔医学奖得主莫泽夫妇发现了大脑中的定位系统细胞--这种人体中的GPS细胞让人们能在空间中定位,并成为更高级认知功能的基础。JohnO’Keefe,May-BrittMoser,andEdvardI.Moser类脑导航技术--生物导航细胞04随着全球定位系统GPS的出现，我们开车寻路、驾驶飞机，甚至行走在城市的大街小巷，许多习惯都发生了改变。人和动物是如何判断、识别方位，如何实现自我导航的？2014年诺贝尔医学奖得主莫泽夫妇发现了“速度细胞”“头部方向细胞”（位于海马体前下托和内嗅皮层），每当大鼠面向某一个固定方向时，就会被激活，类似指南针的功能。放电频率会随着速度的增加而加快。根据速度细胞的放电频率，研究人员可以推算出大鼠当时的运动速度。“边界细胞”（位于海马体下托和内嗅皮层），靠近空间边界或障碍物时，就会被激活，边界细胞可以计算出大鼠与边界的距离。“位置细胞”“位置细胞”“网格细胞”（位于海马体内嗅皮层）是刚性的，不会因环境改变而不同，像是地图中的经纬线一样的空间度量，是内部参考系。（位于海马体CA1区）：当老鼠经过封闭空间中的某个特定位置时，这些细胞就会兴奋，经过另一个位置时，另一些细胞就会兴奋，将所有这些位置细胞整合起来，刚好形成一幅能反映真实空间里不同位置的地图。类脑导航技术—位置细胞04类脑导航技术—网格细胞04网格细胞位于海马体蓝色区域，当动物达到区域中特定位置时，一个单个网格细胞激活，这些位置以六变形模式排列。网格细胞位于内嗅皮层左侧:黑色线条是老鼠的运动轨迹，红色是与位置重叠的脉冲。右侧:颜色编码的映射图，显示相同细胞放电率的分布，色标尺从蓝色（不放电）到红色（最大放电率）。类脑导航技术—从网格细胞到位置细胞04/nobel_prizes/medicine/laureates/2014/Solstad,etal..Hippocampus,(2006)类脑导航技术—网格细胞路径积分04类脑导航技术—生物脑导航细胞之间的关系04内嗅外侧的细胞环境激励和事件的相关信息速度细胞网格细胞独立于刺激脉冲的计算动物位置的导航信息头部方向细胞边界细胞位置细胞类脑导航技术—生物脑导航模型04Chen,Qiuying#;Mo,Hongwei#*;ABrain-InspiredGoal-OrientedRobotNavigationSystem,AppliedSciences,2019,9(22):0-4869类脑导航技术—生物脑导航模型04振荡干扰模型：网格模式是由依赖速度的不同频率的θ波进行叠加，呈现出一种相位进程形成的。持续吸引子网络：每个神经接受周围局部神经环的抑制输入，整个网络接收广域的兴奋性反馈。抑制够强，会产生离散神经活性的规则模式，产生持续吸引子管道。类脑导航技术—生物脑导航模型04航迹推算定位方法，长时间导航时会有累积误差。通过有相似的方向和尺寸不同相位的网格细胞的输入，形成位置区域。网格细胞通过适当的加权输入的线性求和组成位置区域。类脑导航技术—生物脑导航模型04通过小尺寸的路径积分能够获得更大空间的位置表达类脑导航技术—生物脑导航模型04通过对自运动信号的编码，有局部抑制和全局抑制的连接，得到最佳的头部运动方向。用头部方向细胞产生速度调整信号——放电率与速度和目前头部方向成比例。类脑导航技术—生物脑导航模型04通过多个尺寸的网格细胞的共激活，减少位置的模糊性

类脑导航技术—机器人类脑导航方法04澳大利亚昆士兰理工大学的MJ．Milford，对老鼠大脑导航细胞进行数学建模，建立了一个可以在线定位与构图的RatSLAM仿生导航算法。机器人方向和位置的分离表示方式不适合在大型的、不明确的环境中进行映射和导航。RatSLAM，结合了头部方向和位置细胞形成一种新型细胞的概念被称为“位姿细胞”。解决了位姿分离问题。类脑导航技术—机器人类脑导航方法04该系统由三个主要模块组成：位姿细胞、局部视觉细胞和经验地图。类脑导航技术—机器人类脑导航方法04经验地图用图松弛算法动态改变节点，根据信心函数，路径回溯得到误差，此误差用图松弛算法分布到经验图中。监督转换成功与否，若不成功，删除新连接及节点。有地图后，按照节点连接的时间信息导航。RATSLAM结合高和低水平的审议和反应式控制过程，执行避障、探索、全局导航和充电，总结地图学习和SLAM系统的定位能力。在交付机器人场景中评估有效性。类脑导航技术—机器人类脑导航方法04墨西哥InstitutoTecnologicoAutonomo的Alejandra.Barrera捕捉老鼠脑内学习记忆结构，由各功能模块组成空间认知模型。由群体活性得到最终运动方向。类脑导航技术—机器人类脑导航方法04LaurentDolle提出多种策略的门控选择模型，每一步都根据路标和位置细胞的活性，得出下一步方向，根据赢者通吃选择最终运动方向。类脑导航技术—机器人类脑导航方法04美国波士顿大学的UM.Erdem和MichaelHasselmo提出线性预见性轨迹模型。基于头部方向细胞、持续脉冲细胞、网格细胞和位置细胞的前向规划路径的面向目标导航模型。动物在随机探索新环境时，递增的创建位置细胞映射。探索之后，通过前置探针决定下一步运动方向。类脑导航技术—机器人类脑导航方法04/2013/08/human-grid-cells/类脑导航技术—位置细胞群体活动04类脑导航技术—环路检测与重置04类脑导航技术—环路检测与重置04类脑导航技术—环路检测与重置04类脑导航技术—机器人类脑导航方法04生物映射系统和传统导航方法的最大区别：所用地图的表示方式，位置细胞不代表占有，它代表了动物在空间中的位置。通过在真实的世界环境中测试不同海马的模型，从机器人环境中评估它们的导航性能，证明生物学上合理的导航模型是可行的，可以获得导航性能，并展示生物启发方法的地图构建和导航的潜力。创建一个能在室内和室外的现实环境中发挥作用的生物仿生机器人绘图和导航系统是可行的。开发一个完整的集成导航系统——不仅解决SLAM问题，也解决探索，导航和自适应的问题。类脑智能技术--虚拟蠕虫神经网络04在秀丽隐杆线虫生物学领域，对从电连接体和突触连接体到胆碱能和神经元，再到神经肽的胞外连接体的神经系统解刨学和其他结构数据进行了大量的研究。类脑导航模型05类脑智能模型——虚拟蠕虫神经网络05openworm建模方法主要目标是建立世界上第一个虚拟的生物”-在计算机中实现生物--为达成理解和事件机制的细胞。在数字空间里完全复制出一个秀丽隐杆线虫的虚拟有机体。其次是通过仿真活细胞实验(insilico)，为下一代先进分析系统生物学、合成生物学、药物发现、疾病动态提供计算模型。OpenWorm项目已经完成302个神经元以及秀丽隐杆线虫全身肌肉的初步建模仿真。Sibernetic项目GeppettoSimulationEngine项目GeppettoSimulationEngine项目类脑智能模型——虚拟蠕虫神经网络——OpenWorm05类脑智能模型——虚拟蠕虫神经网络05虚拟蠕虫神经网络的应用Sibernetic项目研究成果的用以研究如何使用蠕虫神经网络控制机器人的项目。这个项目现在已经使用蠕虫神经网络控制乐高机器人实现了避障和自主运动功能。研究蠕虫神经网络被安装在机器人上，以传感器作为输入，电机作为输出时的行为。是否以程序模拟秀丽隐杆线虫的神经系统，以硬件模拟秀丽隐杆线虫的身体就能创造出“电子生命”。研究如何使用电子器件去模拟生物的身体，蠕虫的各个感受器官与效应器可以用哪些电子设备代替。无需任何人为指令，线虫的虚拟大脑就主动操控机器人的行动，而不是通过传统的计算机编程。LEGORobot项目基于蠕虫神经网络的蛇形机器人项目类脑智能模型——虚拟蠕虫神经网络05虚拟蠕虫神经网络的应用类脑智能模型——H神经元模型05Hodgkin-Huxley(H-H)模型由Hodgkin和Huxley在1952年构建，他们将枪乌贼的神经纤维作为研究对象，研究轴突的电压变化规律。在分析实验数据时，他们假设神经纤维上电压变化的主要因素为以下三点：细胞体上细胞膜上K+和Na+离子通道电导率的变化所引起的膜电位的变化。无机盐离子对电位造成影响。细胞膜内外离子浓度梯度和电势梯度对细胞膜电特性的影响。因此可将H-H模型等效为一个电路模型。Simulink仿真类脑智能模型——H神经元模型05H-H模型各参数变化曲线H-H模型临界激活电流下参数变化曲线H-H模型有噪声激活电流下参数变化曲线1H-H模型有噪声激活电流下参数变化曲线2类脑智能模型——C302神经元连接组05c302神经网络模型连接神经元，并将神经元分为三类：感受神经元，中间神经元与运动神经元。感受神经元：感受神经元有59个，主要分布于头部和尾部，以接收化学信号、触觉信号、光强信号为主。中间神经元：中间神经元有201个，是神经网络中数量最多的神经元。中间神经元负责对感受神经元接收到的信号进行处理，并对神经网络的状态进行储存。运动神经元：运动神经元有42个，一般只与肌肉细胞以及中间神经元相连，只给肌肉细胞发送信号。肌肉细胞：肌肉细胞共有108个，分别为左上、左下、右上、右下各26个肌肉细胞以及咽部、肛门各两个肌肉细胞。类脑智能模型——虚拟环境仿真05类脑智能模型——实际环境仿真05硬件框架由树莓派和arduino2560单片机控制板及超声波传感器和四个驱动电机构成。电机采用12v电池供电，树莓派，arduino控制板等逻辑电路部分采用电池接入降压模块转化成5v供电。其中arduino2560单片机控制板负责采集超声波传感器测量信息和发送pwm信号控制电机。树莓派负责运算蠕虫神经网络以及和arduino2560单片机控制板进行通信。树莓派从arduino2560单片机控制板读取超声波传感器信息来确定需要激活细胞的类别，并根据蠕虫神经网络的运算结果生成小车四个轮子的转速发送给arduino2560单片机控制板控制小车的运动。类脑智能模型——使用马尔可夫过程分析05无障碍物时终点概率分布右侧有障碍物时终点概率分布左侧有障碍物时终点概率分布有障碍地图下终点概率分布类脑智能模型——人工势场法05将机器人视为一个质点，其拥有质量、速度、位置、旋转角度。机器人的速度使用动量与冲量进行更新。简单情况下人工势场法路径规划效果类脑智能模型——人工势场法仿真05类脑智能模型——改进人工势场法05特殊情况下人工势场法局部震荡效果连续障碍物法改进后路径规划效果特殊情况下人工势场法局部震荡效果隐马尔可夫过程与信息素改进后路径规划效果类脑智能模型——人工势场法改进前后对比05类脑智能模型——改进后的人工势场法05使用隐马尔可夫过程以及信息素来进一步改进人工势场法，改进的人工势场法成功离开了局部震荡点到达了目标点。通过将蠕虫神经网络的行为特点与人工势场法相结合，实现一种实时性好，不易陷入局部震荡的实时路径规划方法，该方法的表现与蠕虫行为有一定相似性。有蠕虫行为特点的路径规划算法虚拟蠕虫控制多旋翼飞行器05QuadcopterdynamicsoverviewBeforegivingthequadcopterdynamicsoverview,letdefineaquadcopterasunmannedhelicopterhavingfourrotors.Andtheothernameofthiskindofdeviceisquadrotor.Quadcoptershavegainedpopularityinthefieldof“UnmannedAutonomousVehicle(UAV)”research.Ahelicopter,onthecontrary,isanaerialvehiclethatusesaspinningrotortoholdthehelicopterskyward.Tapwithdrawalneuralcircuitmappingquadcopterenvironment05ScalethefunctionalityoftapwithdrawalcircuitwithlargeobservationTapwithdrawalneuralcircuitmappingquadcopterenvironment05Scalethefunctio