This thesis draws on neuroscience and neurophysiology findings towards robotics. Specifically, accounting for the role of the Anterior Cingulate Cortex in human brain in error detection and the involvement of the Orbitofrontal Cortex in coding rewards adaptively, a success-failure learning framework has been proposed. Furthermore, a new multi-layered multi-pattern Central Pattern Generator model that enables a wide range of motor patterns has been realised. Bringing them together, we validated our models on a humanoid robot, enabling it to learn walking under different conditions while dealing with external and unknown disturbances.     «

This thesis draws on neuroscience and neurophysiology findings towards robotics. Specifically, accounting for the role of the Anterior Cingulate Cortex in human brain in error detection and the involvement of the Orbitofrontal Cortex in coding rewards adaptively, a success-failure learning framework has been proposed. Furthermore, a new multi-layered multi-pattern Central Pattern Generator model that enables a wide range of motor patterns has been realised. Bringing them together, we validated o...     »

Diese Dissertation erörtert neuro-wissenschaftliche/-physiologische Erkenntnisse im Transfer zwischen der Robotik und den Neuro-wissenschaften. Im Speziellen die Rolle des cingulären Kortex des menschlichen Gehirns in der Fehlererkennung und die Beteiligung des orbitofrontalen Kortex bei der adaptiven Kodierung von Belohnungen. Aufgrund dieser Erkenntnisse wurde ein Lernverfahren entwickelt, welches es erlaubt aus Fehlern und Erfolgen aktiv zu lernen. Weiterhin wurde ein mehrschichtiger, zentraler Bewegungsmuster Generator entwickelt, der eine Vielzahl von weitreichenden Bewegungen erlaubt. Beide Algorithmen wurden kombiniert und auf einem humanoiden Roboter experimentell evaluiert. Zusammenfassend kann gesagt werden, dass dieses neue Verfahren es ermöglicht, Laufen unter verschiedenen Umgebungsbedingungen und unter unbekannten äusseren Einflüssen effektiv zu erlernen.      «

Diese Dissertation erörtert neuro-wissenschaftliche/-physiologische Erkenntnisse im Transfer zwischen der Robotik und den Neuro-wissenschaften. Im Speziellen die Rolle des cingulären Kortex des menschlichen Gehirns in der Fehlererkennung und die Beteiligung des orbitofrontalen Kortex bei der adaptiven Kodierung von Belohnungen. Aufgrund dieser Erkenntnisse wurde ein Lernverfahren entwickelt, welches es erlaubt aus Fehlern und Erfolgen aktiv zu lernen. Weiterhin wurde ein mehrschichtiger, zentral...     »