計畫亮點

重點項目

項目一：應用增強式學習於機械手臂之學習 (已完成)
由於機器人是經由獎懲來進行學習，因此我們針對任務的狀況以設計相對應的獎懲方法，讓機器人能夠透過自我嘗試的方式來學習如何執行所給予的任務。

項目二：虛擬環境遷移至現實機器手臂之學習理論 (已完成)
目前我們已經將現實機器人應用在泡茶以及寫書法的任務上，在泡茶的任務中，機器人可以透過多次的練習，從完全未理解物理系統的情況之中，亦能夠透過嘗試來得到泡茶與桌面上許多物體的概念以及操作順序。

項目三：機器人自主學習之系統框架設計 (已完成)
由於目前絕大多數機器人是按照設定好的規則去完成任務，但為了提升機器人的適應能力，我們期望機器人要有能力去自主學習，目前我們已建立機器人之認知行為金字塔架構，讓神經網路去調整每一層之中的行為，使機器人能夠自主修正行為。

項目四：基於心理學之認知系統 DCNN 架構設計 (已完成)
我們使用由類神經網路所建立的認知模型進行實作，此模型包含假設生成網路、記憶網路、記憶調整系統以及增強式學習。假設生成的神經網路與事件記憶的神經網路進行搭配，使認知模型可以經由過去經驗的記憶去修改生成出來的假設。

項目五：機器人動作事件之記憶系統設計 (已完成)
類神經網路大多運用於監督式學習，並以大量數據進行訓練，然而若是要應用在線上學習的時候，則並不只是進行一般的訓練，我們使用 LTM 模型以及 STM 模型進行類神經網路的記憶固化，因此能夠使類神經網路隨著時間累積漸漸增加經驗，達成真正的學習。

成果影片