Robótica de desenvolvimento - Developmental robotics

Robótica de desenvolvimento ( DevRob ), às vezes chamada de robótica epigenética , é um campo científico que visa estudar os mecanismos de desenvolvimento, arquiteturas e restrições que permitem a aprendizagem ao longo da vida e aberta de novas habilidades e novos conhecimentos em máquinas incorporadas . Como em crianças humanas, espera-se que a aprendizagem seja cumulativa e de complexidade cada vez maior, e resulte da auto-exploração do mundo em combinação com a interação social . A abordagem metodológica típica consiste em partir de teorias de desenvolvimento humano e animal elaboradas em campos como psicologia do desenvolvimento , neurociência , biologia do desenvolvimento e evolutiva e linguística , para formalizá-las e implementá-las em robôs, às vezes explorando extensões ou variantes delas. A experimentação desses modelos em robôs permite aos pesquisadores confrontá-los com a realidade e, como consequência, a robótica do desenvolvimento também fornece feedback e novas hipóteses sobre as teorias do desenvolvimento humano e animal.

A robótica do desenvolvimento está relacionada, mas difere da robótica evolutiva (ER). ER usa populações de robôs que evoluem ao longo do tempo, enquanto DevRob está interessado em como a organização do sistema de controle de um único robô se desenvolve através da experiência, ao longo do tempo.

DevRob também está relacionado ao trabalho realizado nos domínios da robótica e da vida artificial .

Fundo

Um robô pode aprender como uma criança? Ele pode aprender uma variedade de novas habilidades e novos conhecimentos não especificados em tempo de design e em um ambiente parcialmente desconhecido e mutável? Como pode descobrir seu corpo e suas relações com o meio físico e social? Como suas capacidades cognitivas podem se desenvolver continuamente sem a intervenção de um engenheiro, uma vez que está "fora da fábrica"? O que ele pode aprender por meio de interações sociais naturais com os humanos? Essas são as perguntas no centro da robótica de desenvolvimento. Alan Turing, assim como vários outros pioneiros da cibernética, já formulou essas questões e a abordagem geral em 1950, mas foi somente a partir do final do século 20 que elas começaram a ser investigadas sistematicamente.

Como o conceito de máquinas inteligentes adaptativas é central para a robótica de desenvolvimento, ele se relaciona com campos como inteligência artificial, aprendizado de máquina, robótica cognitiva ou neurociência computacional . No entanto, embora possa reutilizar algumas das técnicas elaboradas nesses campos, difere delas em muitas perspectivas. Ela difere da inteligência artificial clássica porque não assume a capacidade de raciocínio simbólico avançado e se concentra nas habilidades sensoriomotoras e sociais corporificadas e situadas, em vez de em problemas simbólicos abstratos. Ela difere da robótica cognitiva porque se concentra nos processos que permitem a formação de capacidades cognitivas, e não nas próprias capacidades. Ela difere da neurociência computacional porque se concentra na modelagem funcional de arquiteturas integradas de desenvolvimento e aprendizagem. De forma mais geral, a robótica de desenvolvimento é caracterizada exclusivamente pelos três recursos a seguir:

  1. Tem como alvo arquiteturas independentes de tarefas e mecanismos de aprendizagem, ou seja, a máquina / robô deve ser capaz de aprender novas tarefas que são desconhecidas pelo engenheiro;
  2. Ele enfatiza o desenvolvimento aberto e a aprendizagem ao longo da vida, ou seja, a capacidade de um organismo de adquirir continuamente novas habilidades. Isso não deve ser entendido como uma capacidade de aprender "qualquer coisa" ou mesmo "tudo", mas apenas que o conjunto de habilidades que se adquire pode ser estendido infinitamente pelo menos em algumas (não todas) direções;
  3. A complexidade dos conhecimentos e habilidades adquiridos deve aumentar (e o aumento ser controlado) progressivamente.

A robótica do desenvolvimento surgiu no cruzamento de várias comunidades de pesquisa, incluindo inteligência artificial incorporada, ciência cognitiva de sistemas dinâmicos e dinâmicos, conexionismo. Partindo da ideia essencial de que a aprendizagem e o desenvolvimento acontecem como o resultado auto-organizado das interações dinâmicas entre cérebros, corpos e seu ambiente físico e social, e tentando entender como essa auto-organização pode ser aproveitada para fornecer aprendizagem ao longo da vida independente de tarefas Com habilidades de complexidade crescente, a robótica do desenvolvimento interage fortemente com campos como psicologia do desenvolvimento, neurociência do desenvolvimento e cognitiva, biologia do desenvolvimento (embriologia), biologia evolutiva e linguística cognitiva. Como muitas das teorias provenientes dessas ciências são verbais e / ou descritivas, isso implica uma formalização crucial e uma atividade de modelagem computacional na robótica de desenvolvimento. Esses modelos computacionais são então usados ​​não apenas como formas de explorar como construir máquinas mais versáteis e adaptáveis, mas também como uma forma de avaliar sua coerência e possivelmente explorar explicações alternativas para compreender o desenvolvimento biológico.

Instruções de pesquisa

Domínios de habilidade

Devido à abordagem e metodologia gerais, os projetos de robótica de desenvolvimento geralmente se concentram em fazer com que os robôs desenvolvam os mesmos tipos de habilidades que bebês humanos. Uma primeira categoria importante a ser investigada é a aquisição de habilidades sensório-motoras. Isso inclui a descoberta do próprio corpo, incluindo sua estrutura e dinâmica, como coordenação olho-mão, locomoção e interação com objetos, bem como o uso de ferramentas, com um foco particular na descoberta e aprendizagem de recursos. Uma segunda categoria de habilidades direcionadas por robôs de desenvolvimento são habilidades sociais e linguísticas: a aquisição de jogos sociais comportamentais simples, como tomada de turnos, interação coordenada, léxicos, sintaxe e gramática, e a base dessas habilidades linguísticas em habilidades sensório-motoras (às vezes referidas como aterramento de símbolo). Paralelamente, a aquisição de habilidades cognitivas associadas está sendo investigada, como o surgimento da distinção self / não self, o desenvolvimento de capacidades de atenção, de sistemas de categorização e representações de nível superior de recursos ou construções sociais, do surgimento de valores , empatia ou teorias da mente.

Mecanismos e restrições

Os espaços sensório-motores e sociais nos quais os humanos e os robôs vivem são tão grandes e complexos que apenas uma pequena parte das habilidades potencialmente aprendidas pode ser explorada e aprendida ao longo da vida. Assim, mecanismos e restrições são necessários para guiar organismos em desenvolvimento em seu desenvolvimento e controle do crescimento da complexidade. Existem várias famílias importantes desses mecanismos de orientação e restrições que são estudadas na robótica do desenvolvimento, todas inspiradas no desenvolvimento humano:

  1. Sistemas motivacionais, gerando sinais de recompensa internos que impulsionam a exploração e o aprendizado, que podem ser de dois tipos principais:
    • motivações extrínsecas empurram robôs / organismos para manter propriedades internas específicas básicas, como alimento e nível de água, integridade física ou luz (por exemplo, em sistemas fototrópicos);
    • as motivações intrínsecas levam o robô a buscar novidade, desafio, compressão ou progresso de aprendizagem per se, gerando assim o que às vezes é chamado de aprendizagem e exploração guiadas pela curiosidade ou, alternativamente, aprendizagem e exploração ativas;
  2. Orientação social: como os humanos aprendem muito interagindo com seus pares, a robótica de desenvolvimento investiga os mecanismos que podem permitir que os robôs participem de uma interação social semelhante à humana. Ao perceber e interpretar pistas sociais, isso pode permitir que os robôs aprendam com os humanos (por meio de diversos meios, como imitação, emulação, aprimoramento de estímulos, demonstração, etc. ...) e ativem a pedagogia humana natural. Assim, a aceitação social de robôs de desenvolvimento também é investigada;
  3. Vieses de inferência estatística e reuso cumulativo de conhecimento / habilidade: vieses que caracterizam tanto as representações / codificações quanto os mecanismos de inferência podem permitir melhorias consideráveis ​​na eficiência da aprendizagem e, portanto, são estudados. Relacionado com isto, mecanismos que permitem inferir novos conhecimentos e adquirir novas competências através da reutilização de estruturas previamente aprendidas também é um campo de estudo essencial;
  4. As propriedades da modalidade, incluindo geometria, materiais ou primitivas / sinergias motoras inatas, muitas vezes codificadas como sistemas dinâmicos, podem simplificar consideravelmente a aquisição de habilidades sensoriomotoras ou sociais e às vezes são referidas como computação morfológica. A interação dessas restrições com outras restrições é um importante eixo de investigação;
  5. Restrições maturacionais: em bebês humanos, tanto o corpo quanto o sistema neural crescem progressivamente, em vez de já estarem totalmente desenvolvidos no nascimento. Isso implica, por exemplo, que novos graus de liberdade, bem como aumentos no volume e na resolução dos sinais sensório-motores disponíveis, podem aparecer à medida que o aprendizado e o desenvolvimento se desdobram. Transpor esses mecanismos em robôs de desenvolvimento e entender como isso pode dificultar ou, ao contrário, facilitar a aquisição de novas habilidades complexas é uma questão central na robótica de desenvolvimento.

Do desenvolvimento bio-mimético à inspiração funcional.

Enquanto a maioria dos projetos de robótica de desenvolvimento interagem intimamente com as teorias do desenvolvimento animal e humano, os graus de semelhanças e inspiração entre os mecanismos biológicos identificados e sua contraparte nos robôs, bem como os níveis de abstração da modelagem, podem variar muito. Enquanto alguns projetos visam modelar precisamente tanto a função quanto a implementação biológica (modelos neurais ou morfológicos), como em Neurorobótica , alguns outros projetos focam apenas na modelagem funcional dos mecanismos e restrições descritos acima, e podem, por exemplo, reutilizar em suas técnicas arquitetônicas provenientes de campos de matemática aplicada ou engenharia.

Perguntas abertas

Como a robótica de desenvolvimento é um campo de pesquisa relativamente novo e ao mesmo tempo muito ambicioso, muitos desafios em aberto fundamentais ainda precisam ser resolvidos.

Em primeiro lugar, as técnicas existentes estão longe de permitir que robôs de alta dimensão do mundo real aprendam um repertório aberto de habilidades cada vez mais complexas ao longo da vida. Espaços sensório-motores contínuos de alta dimensão constituem um obstáculo significativo a ser superado. A aprendizagem cumulativa ao longo da vida é outra. Na verdade, nenhum experimento que durou mais do que alguns dias foi realizado até agora, o que contrasta fortemente com o tempo necessário para que bebês humanos aprendam habilidades sensório-motoras básicas enquanto estão equipados com cérebros e morfologias tremendamente mais poderosas do que os mecanismos computacionais existentes.

Entre as estratégias a explorar para avançar em direção a este objetivo, a interação entre os mecanismos e restrições descritos na seção anterior deve ser investigada de forma mais sistemática. Na verdade, até agora eles foram estudados principalmente de forma isolada. Por exemplo, a interação da aprendizagem motivada intrinsecamente e da aprendizagem orientada socialmente, possivelmente restringida pela maturação, é uma questão essencial a ser investigada.

Outro desafio importante é permitir que os robôs percebam, interpretem e aproveitem a diversidade de pistas sociais multimodais fornecidas por humanos não engenheiros durante a interação humano-robô. Essas capacidades são até agora, em sua maioria, muito limitadas para permitir um ensino eficiente de uso geral por parte dos humanos.

Uma questão científica fundamental a ser compreendida e resolvida, que se aplica igualmente ao desenvolvimento humano, é como a composicionalidade, as hierarquias funcionais, os primitivos e a modularidade, em todos os níveis das estruturas sensório-motoras e sociais, podem ser formados e alavancados durante o desenvolvimento. Isso está profundamente relacionado com o problema do surgimento de símbolos, às vezes referido como o " problema de base de símbolos " quando se trata de aquisição de linguagem. Na verdade, a própria existência e necessidade de símbolos no cérebro são ativamente questionadas, e conceitos alternativos, ainda permitindo a composicionalidade e hierarquias funcionais, estão sendo investigados.

Durante a epigênese biológica, a morfologia não é fixa, mas desenvolve-se em constante interação com o desenvolvimento das habilidades sensoriomotoras e sociais. O desenvolvimento da morfologia apresenta problemas práticos óbvios com robôs, mas pode ser um mecanismo crucial que deve ser explorado posteriormente, pelo menos em simulação, como na robótica morfogenética.

Outro problema aberto é a compreensão da relação entre os fenômenos-chave investigados pela robótica do desenvolvimento (por exemplo, sistemas sensório-motores hierárquicos e modulares, motivações intrínsecas / extrínsecas / sociais e aprendizagem aberta) e os mecanismos cerebrais subjacentes.

Da mesma forma, em biologia, os mecanismos de desenvolvimento (operando na escala de tempo ontogenética) interagem intimamente com os mecanismos evolutivos (operando na escala de tempo filogenética) como mostrado na florescente literatura científica " evo-devo ". No entanto, a interação desses mecanismos em organismos artificiais, robôs de desenvolvimento, em particular, ainda é muito pouco estudada. A interação de mecanismos evolutivos, desdobrando morfologias e desenvolvendo habilidades sensório-motoras e sociais será, portanto, um tópico altamente estimulante para o futuro da robótica de desenvolvimento.

Revistas principais

Conferências principais

O Workshop sobre Desenvolvimento e Aprendizagem financiado pela NSF / DARPA foi realizado de 5 a 7 de abril de 2000 na Michigan State University. Foi o primeiro encontro internacional dedicado à compreensão computacional do desenvolvimento mental de robôs e animais. O termo "por" foi usado uma vez que os agentes são ativos durante o desenvolvimento.

Veja também

Referências

links externos

Comitês técnicos

Instituições acadêmicas e pesquisadores da área

Projetos de grande escala relacionados

Cursos

Os primeiros cursos de graduação em DevRob foram oferecidos no Bryn Mawr College e Swarthmore College na primavera de 2003 por Douglas Blank e Lisa Meeden, respectivamente. O primeiro curso de graduação em DevRob foi oferecido na Iowa State University por Alexander Stoytchev no outono de 2005.