Gli esseri umani mostrano una straordinaria adattabilità quando affrontano compiti complessi nella vita quotidiana. Questa adattabilità è l'incarnazione diretta della capacità di apprendimento individuale, che consente agli esseri umani di migliorare la propria capacità di comportamento in modo indipendente e incrementale.

Perciò, se i robot possono avere questa capacità, possono generare automaticamente nuovi modelli di comportamento in base all'acquisizione in tempo reale di dati e casi. Questa capacità mostra un'intelligenza evidente, che si chiama intelligenza comportamentale.

Recentemente, il ricercatore dell'Istituto di automazione di Shenyang dell'Accademia cinese delle scienze ha sviluppato un nuovo metodo ha sviluppato un nuovo metodo per migliorare l'intelligenza comportamentale dei robot, i relativi risultati sono stati pubblicati su Transazioni IEEE su sistemi cognitivi e di sviluppo .

Il ricercatore ha proposto una nuova struttura del metodo di apprendimento incrementale basato sul Q-Learning e sul modello lineare del kernel adattivo (AKL). Il framework consente al robot di apprendere nuovi comportamenti senza dimenticare i precedenti. Con il nuovo metodo, i comportamenti dei robot possono essere valutati mediante l'apprendimento autonomo e l'apprendimento per imitazione, e la struttura del modello e i parametri possono essere modificati in tempo reale utilizzando un nuovo algoritmo ricorsivo dei minimi quadrati (L2-KRLS) del kernel norma L2.

Oltretutto, hanno condotto due esperimenti per convalidare le prestazioni del nuovo metodo. I risultati hanno mostrato che il framework proposto può apprendere in modo incrementale i comportamenti in ambienti variabili. Il Q-learning basato su policy locali è più veloce degli algoritmi di Q-learning esistenti. Attualmente, questo risultato è stato applicato nella navigazione autonoma dei robot.