Not logged in.

Quick Search - Contribution

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title Development of motor behaviors from sensor morphology
Organization Unit
Authors
  • Tobias Klauser
Supervisors
  • Rolf Pfeifer
  • Hugo Gravato Marques
Language
  • English
Institution University of Zurich
Faculty Faculty of Economics, Business Administration and Information Technology
Number of Pages 58
Date 2014
Abstract Text Human infants show remarkably complex motor behaviors already a few weeks after birth. However, it is still unclear what the principles underlying the development of these behaviors are. One principle which might be involved in the development of some behaviors is the maximization of sensory stimulation in a non-uniform sensor morphology. In this thesis, we test this hypothesis by studying the development of the visual fixation behavior and of the hand-mouth touching behavior. We apply the principle in a simple robotic setup, using retina-like vision and a non-uniform arrangement of tactile sensors as the sensor morphologies. The total sensory activation is used as the reward signal in a reinforcement learning framework based on artificial neural networks. Our experimental results show that both behaviors can be developed from the maximization of sensory stimulation in a non-uniform sensor morphology and that the principle can be applied independently of the sensory modality.
Zusammenfassung Bereits einige Wochen nach der Geburt zeigen Neugeborene bemerkenswert komplexe Verhaltensweisen. Welche Prinzipien der Entwicklung dieser Verhaltensweisen zugrunde liegen ist jedoch zu grossen Teilen nicht bekannt. Ein mögliches Entwicklungsprinzip ist die Maximierung der Sensorstimulation in einer ungleichmässigen Sensormorphologie. Ausgehend von dieser Hypothese untersuchen wir in dieser Arbeit die Entwicklung des visuellen Fixierungsverhaltens und des Hand-Mund-Tastverhaltens, indem wir das Maximierungsprinzip in einem einfachen Roboter anwenden. Wir verwenden eine Retina-ähnliche Anordnung der Bildpixel und eine ungleichmässige Anordnung der Tastsensoren als konkrete Sensormophologien. Die gesamthafte Stimulation der Sensoren wird als Belohnungssignal in einem Modell des Bestärkenden Lernens (engl. Reinforcement Learning) verwendet, welches auf künstlichen neuronalen Netzwerken beruht. Unsere experimentellen Resultate zeigen, dass beide Verhaltensweisen aufgrund des Prinzips der Maximierung der Sensorstimulation in einer ungleichmässigen Sensormorphologie entwickelt werden können. Das Prinzip kann dabei unabhängig von der konkreten Sensormodalität angewandt werden.
PDF File Download
Export BibTeX