Robótica del desarrollo - Developmental robotics

La robótica del desarrollo ( DevRob ), a veces llamada robótica epigenética , es un campo científico que tiene como objetivo estudiar los mecanismos, arquitecturas y limitaciones del desarrollo que permiten el aprendizaje permanente y sin final de nuevas habilidades y nuevos conocimientos en máquinas incorporadas . Al igual que en los niños humanos, se espera que el aprendizaje sea ​​acumulativo y de complejidad progresivamente creciente, y que resulte de la autoexploración del mundo en combinación con la interacción social . El enfoque metodológico típico consiste en partir de las teorías del desarrollo humano y animal elaborados en campos como la psicología del desarrollo , la neurociencia , el desarrollo y la biología evolutiva y la lingüística , a continuación, para formalizar y ponerlas en práctica en los robots, a veces explorar extensiones o variantes de ellos. La experimentación de esos modelos en robots permite a los investigadores confrontarlos con la realidad y, como consecuencia, la robótica del desarrollo también proporciona retroalimentación e hipótesis novedosas sobre las teorías del desarrollo humano y animal.

La robótica del desarrollo está relacionada pero difiere de la robótica evolutiva (ER). ER utiliza poblaciones de robots que evolucionan con el tiempo, mientras que DevRob está interesado en cómo la organización del sistema de control de un solo robot se desarrolla a través de la experiencia, a lo largo del tiempo.

DevRob también está relacionado con el trabajo realizado en los dominios de la robótica y la vida artificial .

Fondo

¿Puede un robot aprender como un niño? ¿Puede aprender una variedad de nuevas habilidades y nuevos conocimientos no especificados en el momento del diseño y en un entorno parcialmente desconocido y cambiante? ¿Cómo puede descubrir su cuerpo y sus relaciones con el entorno físico y social? ¿Cómo pueden desarrollarse continuamente sus capacidades cognitivas sin la intervención de un ingeniero una vez que está "fuera de fábrica"? ¿Qué puede aprender a través de interacciones sociales naturales con los humanos? Estas son las preguntas en el centro de la robótica del desarrollo. Alan Turing, así como varios otros pioneros de la cibernética, ya formularon esas preguntas y el enfoque general en 1950, pero solo desde finales del siglo XX comenzaron a investigarse sistemáticamente.

Debido a que el concepto de máquinas inteligentes adaptativas es fundamental para la robótica del desarrollo, tiene relaciones con campos como la inteligencia artificial, el aprendizaje automático, la robótica cognitiva o la neurociencia computacional . Sin embargo, si bien puede reutilizar algunas de las técnicas elaboradas en estos campos, difiere de ellas desde muchas perspectivas. Se diferencia de la inteligencia artificial clásica porque no asume la capacidad del razonamiento simbólico avanzado y se centra en las habilidades sensitivomotoras y sociales encarnadas y situadas más que en problemas simbólicos abstractos. Se diferencia de la robótica cognitiva porque se centra en los procesos que permiten la formación de capacidades cognitivas en lugar de estas capacidades en sí mismas. Se diferencia de la neurociencia computacional porque se centra en el modelado funcional de arquitecturas integradas de desarrollo y aprendizaje. De manera más general, la robótica del desarrollo se caracteriza únicamente por las siguientes tres características:

  1. Se dirige a arquitecturas y mecanismos de aprendizaje independientes de la tarea, es decir, la máquina / robot debe ser capaz de aprender nuevas tareas que el ingeniero desconoce;
  2. Hace hincapié en el desarrollo indefinido y el aprendizaje permanente, es decir, la capacidad de un organismo para adquirir continuamente nuevas habilidades. Esto no debe entenderse como una capacidad para aprender "cualquier cosa" o incluso "todo", sino simplemente que el conjunto de habilidades que se adquieren se puede ampliar infinitamente al menos en algunas (no todas) direcciones;
  3. La complejidad de los conocimientos y habilidades adquiridos aumentará (y el aumento se controlará) progresivamente.

La robótica del desarrollo surgió en la encrucijada de varias comunidades de investigación, incluida la inteligencia artificial incorporada, los sistemas activos y dinámicos, la ciencia cognitiva, el conexionismo. Partiendo de la idea esencial de que el aprendizaje y el desarrollo ocurren como el resultado autoorganizado de las interacciones dinámicas entre cerebros, cuerpos y su entorno físico y social, y tratando de comprender cómo se puede aprovechar esta autoorganización para proporcionar un aprendizaje permanente independiente de las tareas. de habilidades de complejidad creciente, la robótica del desarrollo interactúa fuertemente con campos como la psicología del desarrollo, la neurociencia cognitiva y del desarrollo, la biología del desarrollo (embriología), la biología evolutiva y la lingüística cognitiva. Como muchas de las teorías que provienen de estas ciencias son verbales y / o descriptivas, esto implica una actividad crucial de formalización y modelado computacional en la robótica del desarrollo. Estos modelos computacionales no solo se utilizan como formas de explorar cómo construir máquinas más versátiles y adaptables, sino también como una forma de evaluar su coherencia y posiblemente explorar explicaciones alternativas para comprender el desarrollo biológico.

Direcciones de investigación

Dominios de habilidades

Debido al enfoque y la metodología generales, los proyectos de robótica de desarrollo generalmente se enfocan en que los robots desarrollen los mismos tipos de habilidades que los bebés humanos. Una primera categoría que es importante investigar es la adquisición de habilidades sensoriomotoras. Estos incluyen el descubrimiento del propio cuerpo, incluida su estructura y dinámica, como la coordinación mano-ojo, la locomoción y la interacción con los objetos, así como el uso de herramientas, con un enfoque particular en el descubrimiento y el aprendizaje de las posibilidades. Una segunda categoría de habilidades a las que se dirigen los robots de desarrollo son las habilidades sociales y lingüísticas: la adquisición de juegos de comportamiento social simples como tomar turnos, interacción coordinada, léxicos, sintaxis y gramática, y la base de estas habilidades lingüísticas en habilidades sensoriomotoras (a veces referidas como símbolo de puesta a tierra). Paralelamente, se está investigando la adquisición de habilidades cognitivas asociadas como el surgimiento de la distinción entre uno mismo / no-yo, el desarrollo de capacidades de atención, de sistemas de categorización y representaciones de alto nivel de las posibilidades o constructos sociales, del surgimiento de valores. , empatía o teorías de la mente.

Mecanismos y limitaciones

Los espacios sensoriomotores y sociales en los que viven los humanos y los robots son tan grandes y complejos que solo una pequeña parte de las habilidades potencialmente aprendebles se pueden explorar y aprender en el transcurso de la vida. Por lo tanto, los mecanismos y las limitaciones son necesarios para guiar a los organismos de desarrollo en su desarrollo y controlar el crecimiento de la complejidad. Hay varias familias importantes de estos mecanismos rectores y limitaciones que se estudian en la robótica del desarrollo, todas inspiradas en el desarrollo humano:

  1. Sistemas de motivación, que generan señales de recompensa internas que impulsan la exploración y el aprendizaje, que pueden ser de dos tipos principales:
    • las motivaciones extrínsecas empujan a los robots / organismos a mantener propiedades internas específicas básicas como el nivel de los alimentos y el agua, la integridad física o la luz (por ejemplo, en sistemas fototrópicos);
    • las motivaciones intrínsecas empujan al robot a buscar novedad, desafío, compresión o progreso del aprendizaje per se, generando así lo que a veces se denomina aprendizaje y exploración impulsados ​​por la curiosidad, o aprendizaje y exploración activos alternativamente;
  2. Orientación social: a medida que los humanos aprenden mucho al interactuar con sus compañeros, la robótica del desarrollo investiga los mecanismos que pueden permitir que los robots participen en la interacción social similar a la humana. Al percibir e interpretar las señales sociales, esto puede permitir a los robots tanto aprender de los humanos (a través de diversos medios como la imitación, emulación, mejora de estímulos, demostración, etc. ...) como activar la pedagogía humana natural. Por tanto, también se investiga la aceptación social de los robots en desarrollo;
  3. Sesgos de inferencia estadística y reutilización acumulativa de conocimientos / habilidades: los sesgos que caracterizan tanto las representaciones / codificaciones como los mecanismos de inferencia pueden permitir típicamente una mejora considerable de la eficiencia del aprendizaje y, por lo tanto, se estudian. En relación con esto, los mecanismos que permitan inferir nuevos conocimientos y adquirir nuevas habilidades mediante la reutilización de estructuras aprendidas previamente es también un campo de estudio esencial;
  4. Las propiedades de la encarnación, incluida la geometría, los materiales o las primitivas / sinergias motoras innatas a menudo codificadas como sistemas dinámicos, pueden simplificar considerablemente la adquisición de habilidades sensoriomotoras o sociales y, a veces, se las denomina computación morfológica. La interacción de estas limitaciones con otras limitaciones es un eje de investigación importante;
  5. Restricciones de la maduración: en los bebés humanos, tanto el cuerpo como el sistema neural crecen progresivamente, en lugar de estar plenamente desarrollados al nacer. Esto implica, por ejemplo, que pueden aparecer nuevos grados de libertad, así como aumentos del volumen y resolución de las señales sensoriomotoras disponibles, a medida que se desarrolla el aprendizaje y el desarrollo. La transposición de estos mecanismos en los robots de desarrollo y la comprensión de cómo pueden obstaculizar o, por el contrario, facilitar la adquisición de nuevas habilidades complejas es una cuestión central en la robótica del desarrollo.

Del desarrollo biomimético a la inspiración funcional.

Si bien la mayoría de los proyectos de robótica de desarrollo interactúan estrechamente con las teorías del desarrollo animal y humano, los grados de similitud e inspiración entre los mecanismos biológicos identificados y su contraparte en los robots, así como los niveles de abstracción del modelado, pueden variar mucho. Si bien algunos proyectos apuntan a modelar con precisión tanto la función como la implementación biológica (modelos neuronales o morfológicos), como en Neurorobotics , algunos otros proyectos solo se enfocan en el modelado funcional de los mecanismos y restricciones descritos anteriormente, y podrían, por ejemplo, reutilizar en sus técnicas arquitectónicas. provenientes de los campos de las matemáticas aplicadas o la ingeniería.

Preguntas abiertas

Dado que la robótica del desarrollo es un campo de investigación relativamente nuevo y, al mismo tiempo, muy ambicioso, quedan muchos desafíos abiertos fundamentales por resolver.

En primer lugar, las técnicas existentes están lejos de permitir que los robots de alta dimensión del mundo real aprendan un repertorio abierto de habilidades cada vez más complejas a lo largo de su vida. Los espacios sensoriomotores continuos de alta dimensión constituyen un obstáculo importante a resolver. El aprendizaje acumulativo de por vida es otro. En realidad, hasta ahora no se han realizado experimentos que duren más de unos pocos días, lo que contrasta severamente con el tiempo que necesitan los bebés humanos para aprender habilidades sensitivomotoras básicas mientras están equipados con cerebros y morfologías que son tremendamente más poderosos que los mecanismos computacionales existentes.

Entre las estrategias a explorar para avanzar hacia esta meta, se investigará de manera más sistemática la interacción entre los mecanismos y las limitaciones descritas en la sección anterior. De hecho, hasta ahora se han estudiado principalmente de forma aislada. Por ejemplo, la interacción del aprendizaje intrínsecamente motivado y el aprendizaje socialmente guiado, posiblemente limitado por la maduración, es un tema esencial que debe investigarse.

Otro desafío importante es permitir que los robots perciban, interpreten y aprovechen la diversidad de señales sociales multimodales proporcionadas por humanos que no son ingenieros durante la interacción humano-robot. Estas capacidades son hasta ahora, en su mayoría demasiado limitadas para permitir una enseñanza eficiente de propósito general por parte de humanos.

Una cuestión científica fundamental que debe entenderse y resolverse, que se aplica igualmente al desarrollo humano, es cómo la composicionalidad, las jerarquías funcionales, las primitivas y la modularidad, en todos los niveles de las estructuras sensoriomotoras y sociales, se pueden formar y aprovechar durante el desarrollo. Esto está profundamente relacionado con el problema de la aparición de símbolos, a veces denominado el " problema de la base del símbolo " cuando se trata de la adquisición del lenguaje. En realidad, se cuestiona activamente la existencia misma y la necesidad de símbolos en el cerebro, y se están investigando conceptos alternativos, que aún permiten la composicionalidad y las jerarquías funcionales.

Durante la epigénesis biológica, la morfología no es fija, sino que se desarrolla en constante interacción con el desarrollo de las habilidades sensitivomotoras y sociales. El desarrollo de la morfología plantea problemas prácticos obvios con los robots, pero puede ser un mecanismo crucial que debería explorarse más, al menos en la simulación, como en la robótica morfogenética.

Otro problema abierto es la comprensión de la relación entre los fenómenos clave investigados por la robótica del desarrollo (por ejemplo, sistemas sensoriomotores jerárquicos y modulares, motivaciones intrínsecas / extrínsecas / sociales y aprendizaje abierto) y los mecanismos cerebrales subyacentes.

De manera similar, en biología, los mecanismos de desarrollo (que operan en la escala de tiempo ontogenética) interactúan estrechamente con los mecanismos evolutivos (que operan en la escala de tiempo filogenética) como se muestra en la floreciente literatura científica " evo-devo ". Sin embargo, la interacción de esos mecanismos en organismos artificiales, robots de desarrollo, en particular, todavía está muy poco estudiada. La interacción de los mecanismos evolutivos, el desarrollo de morfologías y el desarrollo de habilidades sensitivomotoras y sociales será, por tanto, un tema muy estimulante para el futuro de la robótica del desarrollo.

Revistas principales

Conferencias principales

El Taller sobre Desarrollo y Aprendizaje financiado por NSF / DARPA se llevó a cabo del 5 al 7 de abril de 2000 en la Universidad Estatal de Michigan. Fue el primer encuentro internacional dedicado a la comprensión computacional del desarrollo mental por parte de robots y animales. Se utilizó el término "por" ya que los agentes están activos durante el desarrollo.

Ver también

Referencias

enlaces externos

Comités técnicos

Instituciones académicas e investigadores en el campo

Proyectos relacionados a gran escala

Cursos

Los primeros cursos de pregrado en DevRob se ofrecieron en Bryn Mawr College y Swarthmore College en la primavera de 2003 por Douglas Blank y Lisa Meeden, respectivamente. El primer curso de posgrado en DevRob fue ofrecido en la Universidad Estatal de Iowa por Alexander Stoytchev en el otoño de 2005.