Robotyka poznawcza - Cognitive robotics

Robotyka kognitywna to poddziedzina robotyki polegająca na wyposażeniu robota w inteligentne zachowanie poprzez zapewnienie mu architektury przetwarzania, która pozwoli mu uczyć się i rozumować, jak zachowywać się w odpowiedzi na złożone cele w złożonym świecie. Kognitywną robotykę można uznać za gałąź inżynierską ucieleśnionej kognitywistyki i ucieleśnionego poznania osadzonego .

Podstawowe kwestie

Podczas gdy tradycyjne podejścia do modelowania poznawczego zakładały schematy kodowania symbolicznego jako sposób przedstawiania świata, przełożenie świata na tego rodzaju reprezentacje symboliczne okazało się problematyczne, jeśli nie nie do utrzymania. Postrzeganie i działanie oraz pojęcie reprezentacji symbolicznej są zatem podstawowymi zagadnieniami, które należy rozwiązać w robotyce kognitywnej.

Punkt wyjścia

Robotyka kognitywna postrzega poznanie zwierząt jako punkt wyjścia do rozwoju robotycznego przetwarzania informacji, w przeciwieństwie do bardziej tradycyjnych technik sztucznej inteligencji . Docelowe zdolności poznawcze robota obejmują przetwarzanie percepcji, alokację uwagi, przewidywanie , planowanie, złożoną koordynację ruchową, rozumowanie na temat innych czynników, a być może nawet na temat ich własnych stanów psychicznych. Poznanie robotyczne ucieleśnia zachowanie inteligentnych agentów w świecie fizycznym (lub w świecie wirtualnym, w przypadku symulowanej robotyki kognitywnej). Ostatecznie robot musi być w stanie działać w prawdziwym świecie.

Techniki uczenia się

Motor bełkot

Główny artykuł: paplanina silnika

Wstępna technika uczenia się robota, zwana paplaniną motoryczną, polega na skorelowaniu pseudolosowych złożonych ruchów motorycznych robota z wynikającym z nich wzrokowym i / lub słuchowym sprzężeniem zwrotnym, tak że robot może zacząć oczekiwać wzorca czuciowego sprzężenia zwrotnego, biorąc pod uwagę wzorzec mocy silnika. Pożądane sensoryczne sprzężenie zwrotne może być następnie wykorzystane do przekazania sygnału sterującego silnikiem. Uważa się, że jest to analogiczne do tego, jak dziecko uczy się sięgać po przedmioty lub wydawać dźwięki mowy. W przypadku prostszych systemów robotów, w których można na przykład zastosować kinematykę odwrotną do przekształcenia przewidywanego sprzężenia zwrotnego (pożądanego wyniku silnika) na moc wyjściową silnika, krok ten można pominąć.

Imitacja

Gdy robot będzie w stanie skoordynować swoje silniki w celu uzyskania pożądanego rezultatu, można zastosować technikę uczenia się przez naśladowanie . Robot monitoruje działanie innego agenta, a następnie robot próbuje go naśladować. Przekształcenie informacji o imitacji ze złożonej sceny w pożądany efekt silnika dla robota jest często wyzwaniem. Należy zauważyć, że naśladownictwo jest wysokopoziomową formą zachowania poznawczego, a naśladowanie niekoniecznie jest wymagane w podstawowym modelu ucieleśnionego poznania zwierzęcego.

Zdobywanie wiedzy

Bardziej złożonym podejściem do uczenia się jest „autonomiczne zdobywanie wiedzy ”: robot musi samodzielnie badać otoczenie. Zazwyczaj zakłada się system celów i przekonań.

Nieco bardziej ukierunkowany tryb eksploracji można osiągnąć za pomocą algorytmów „ciekawości”, takich jak Inteligentna adaptacyjna ciekawość lub wewnętrzna motywacja oparta na kategoriach. Algorytmy te generalnie obejmują rozbijanie sensorycznych danych wejściowych na skończoną liczbę kategorii i przypisywanie do każdej z nich pewnego rodzaju systemu przewidywania (takiego jak sztuczna sieć neuronowa ). System przewidywania śledzi błąd w swoich prognozach w czasie. Zmniejszenie błędu przewidywania jest uważane za uczenie się. Następnie robot preferencyjnie bada kategorie, w których najszybciej uczy się (lub zmniejsza błąd przewidywania).

Inne architektury

Niektórzy badacze zajmujący się robotyką kognitywną próbowali wykorzystać architektury takie jak ( ACT-R i Soar (architektura kognitywna) ) jako podstawę swoich programów robotyki kognitywnej. Te wysoce modułowe architektury przetwarzania symboli zostały wykorzystane do symulacji wydajności operatora i działania człowieka podczas modelowania uproszczonych i symbolicznych danych laboratoryjnych. Chodzi o to, aby rozszerzyć te architektury, aby obsługiwały dane sensoryczne w świecie rzeczywistym, ponieważ dane wejściowe są nieustannie rozwijane w czasie. Potrzebny jest sposób, aby jakoś przełożyć świat na zestaw symboli i ich relacji.

pytania

Niektóre z podstawowych pytań, na które wciąż należy odpowiedzieć w robotyce kognitywnej, to:

  • W jakim stopniu programowanie ludzkie powinno lub może być zaangażowane w proces uczenia się?
  • Jak można określić ilościowo postęp? Niektóre z przyjętych sposobów to nagroda i kara. Ale jaka nagroda i jaka kara? Na przykład u ludzi, gdy uczą dziecko, nagrodą byłyby cukierki lub zachęta, a kara może przybierać różne formy. Ale jaki jest skuteczny sposób z robotami?

Książki

Książka Cognitive Robotics autorstwa Hoomana Samaniego przyjmuje multidyscyplinarne podejście do różnych aspektów robotyki poznawczej, takich jak sztuczna inteligencja, aspekty fizyczne, chemiczne, filozoficzne, psychologiczne, społeczne, kulturowe i etyczne.

Zobacz też

Bibliografia

Linki zewnętrzne