Esta dissertac~ao teve como objectivo investigar a possibilidade de integrac~ao de
capacidades de aprendizagem, baseadas em prncipios de Hebb numa arquitectura
de controlo desenvolvida para interacc~ao humano-robot. A arquitectura e baseada
em sistemas din^amicos n~ao lineares implementados por meio de um modelo de rede
distribuda em que cada camada e formalizada por um campo din^amico neuronal.
A arquitectura esta a ser usada no \ARoS", um robot antropomor co construdo na
Universidade do Minho como uma plataforma de testes para tarefas de interacc~ao
entre humano e rob^o.
Ate agora, o peso das ligac~oes entre camadas eram estaticos e pre-establecidos.
Para integrar capacidades de aprendizagem o sistema deve ser capaz de modi-
car/alterar estes valores. Para tal, regras de Hebb foram usadas. O estudo foi
conduzido em tr^es vertentes:
No primeiro, um algoritmo para calcular os pesos das ligac~oes para uma tarefa
espec ca foi desenvolvido, baseado no conhecimento a priori de todas as condicionantes
da tarefa.
Para a segunda aplicac~ao, foi criado um mecanismo para aprendizagem por
imitac~ao/observac~ao da interacc~ao entre dois humanos. Diversas variantes das regra
de Hebb foram usadas e analisadas, em termos da sua e ci^encia e velocidade de
aprendizagem.
Na terceira vertente, foi desenvolvido um mecanismo de neuro-especializac~ao
dentro de uma camada de neuronios, por uso das propriedades dos campos din^amicos
lineares e de regras de Hebb.