图1  辐射污染

图2  地震废墟

受生物脑进化与发育的启发影响，基于自主发育网络的机器人的认知方法被提出。该方法只需要预先为机器人编制一套可发育程序，而不用针对固定任务进 行编程，使机器人不断通过后期自主学习以获得各种能力。虽然现有方法在理想情况下可以取得较好的效果，但当将其真正应用于机器人场景识别时，仍存在神经元利用率低，学习效果欠佳，识别准确率不高等问题。因此，需要针对原有算法提出改进性意见从而满足机器人的实际作业要求。

如何改进原有自主发育神经网络算法以实现机器人场景识别任务？目前，改进型自主发育神经网络算法采用多优胜神经元进行权重更新，并对其突触权重更新方程进行修改，以提高系统的学习效率；同时，通过负向学习快速纠正错误知识并在学习过程中增加人类知识引导；进一步，根据机器人的工作特点，采用基于连续型样本的加强型学习，降低因图像噪声等导致的识别错误，提高系统的鲁棒性。为了进一步提高学习效率，在系统中增加了人类知识的引导与加强，当无法明确进行场景类别抉择时，引入人类经验进行人工指导，以提高识别准确率，并扩展系统知识。

在此基础上，未来考虑将机器人应用到更广泛的场景中，进一步增加自主发育网络在机器人上的应用，快速提升机器人的智能发育水平。