Resumen

En este artculo se propone un mapa autoorganizado (SOM) mejorado, el SOM de crecimiento sin parmetros (PL-G-SOM). Para superar los problemas existentes en los SOM tradicionales (Kohonen, 1982), se han inventado tipos de SOM de crecimiento de estructura o SOM de ajuste de parmetros, normalmente por separado. En este caso, combinamos la idea de los SOM en crecimiento (Bauer y Villmann, 1997; Dittenbach et al. 2000) y un SOM sin parmetros (Berglund y Sitte, 2006) para crear un nuevo SOM denominado PL-G-SOM que permite un aprendizaje adicional, la preservacin ptima de los vecindarios y el ajuste automtico de los parmetros. El SOM mejorado se aplica para construir un sistema de aprendizaje de instrucciones de voz para robots asociados que adopta un algoritmo sencillo de aprendizaje por refuerzo. Al principio, el PL-G-SOM clasifica las instrucciones de voz del usuario y, a continuacin, los robots eligen una accin esperada de acuerdo con una poltica estocstica. La poltica se ajusta en funcin de la recompensa/castigo que da el usuario al robot. Tambin se disea un mapa de sentimientos para expresar los grados de aprendizaje de las instrucciones de voz. Los experimentos de aprendizaje y aprendizaje adicional con instrucciones en varios idiomas, como japons, ingls, chino y malayo, confirmaron la eficacia de nuestro sistema propuesto.

• Materias:Brazo robótico Robot omnidireccional Movimientos multiarticulares Algoritmo de control Máquina de vectores
• Subjects:Robotic arm Omnidirectional robot Multi-joint movements Control algorithm Vector machine
• Palabras claves:Mejorado; Mapa autoorganizado; PL-G-SOM; SOM en crecimiento; Sin parámetros; Aprendizaje
• Keywords:Improved; Self-organizing map; PL-G-SOM; Growing SOMs; Parameterless; Learning