认知机器人技术

认知机器人技术致力于通过为机器人提供处理体系结构来赋予其智能行为，该处理体系结构将使其能够学习并推理出如何响应复杂世界中的复杂目标而做出的行为。认知机器人技术可以被视为体现认知科学和体现嵌入式认知的工程分支。

尽管传统的认知建模方法已将符号编码方案作为描述世界的一种手段，但事实证明，即使不是站不住脚的世界，将世界转换为此类符号表示也存在问题。因此，感知和行动以及符号表示的概念是认知机器人技术要解决的核心问题。

与更传统的人工智能技术相反，认知机器人技术将动物认知视为机器人信息处理发展的起点。目标机器人的认知能力包括感知处理、注意力分配、预期、计划、复杂的运动协调，对其他行为者甚至可能对自己的心理状态的推理。机器人认知体现了智能主体在物理世界（或在模拟认知机器人的情况下为虚拟世界）中的行为。最终，机器人必须能够在现实世界中行动。

认知机器人技术的一些研究人员已尝试使用诸如ACT-R和Soar（认知体系结构）之类的架构作为其认知机器人程序的基础。这些高度模块化的符号处理体系结构已用于在对简单和符号化的实验室数据进行建模时模拟操作员的绩效和人员绩效。想法是扩展这些体系结构，以处理现实世界中的感觉输入，因为这些输入会随着时间的推移不断展开。所需要的是一种以某种方式将世界转化为一组符号及其关系的方法。

认知机器人技术中仍需回答的一些基本问题是：

• 应该或可以涉及多少个人程序来支持学习过程
• 如何量化进度？所采用的一些方法是奖惩。但是什么样的奖励和什么样的惩罚呢？在人类中，例如，当教孩子时，奖励将是糖果或某种鼓励，而惩罚可采取多种形式。但是机器人的有效方法是什么？

Hooman Samani 撰写的《认知机器人学》采用多学科方法，涵盖了认知机器人学的各个方面，例如人工智能、物理、化学、哲学、心理、社会、文化和伦理学方面。