Capitolo 3 : Robotica dello sviluppo

Lo studio dei meccanismi, delle architetture e dei vincoli che consentono alle macchine incarnate di apprendere nuove competenze e conoscenze nel corso della loro vita è l'obiettivo della robotica dello sviluppo (DevRob), nota anche come robotica epigenetica. Si ipotizza che l'auto-esplorazione del mondo e l'interazione sociale producano un apprendimento cumulativo e progressivamente più complesso, proprio come lo è nei bambini umani. A partire dalle teorie dello sviluppo umano e animale elaborate in campi come la psicologia dello sviluppo, le neuroscienze, la biologia evolutiva e dello sviluppo e la linguistica, i ricercatori in genere formalizzano e implementano queste teorie nei robot, a volte esplorando estensioni o varianti di queste teorie. La robotica dello sviluppo non solo fornisce feedback e nuove ipotesi sulle teorie dello sviluppo umano e animale, ma consente anche ai ricercatori di confrontare tali modelli in un ambiente realistico attraverso la sperimentazione nei robot.

Sebbene simile, la robotica dello sviluppo si distingue dalla sua controparte evolutiva (ER). Mentre ER fa uso di popolazioni di robot che si evolvono nel tempo, DevRob è più interessato a come la struttura del sistema di controllo di un singolo robot cambia a seguito dell'esperienza.

Anche i campi della robotica e della vita artificiale sono collegati al framework DevRob.

È possibile per un robot acquisire nuove abilità con la stessa facilità di un bambino? Può acquisire nuove abilità e conoscenze in un ambiente dinamico che non è stato completamente specificato durante lo sviluppo? Come può conoscere se stesso e come si inserisce nel suo ambiente naturale e sociale? Una volta che è "fuori dalla fabbrica", come si può permettere alle sue capacità cognitive di crescere senza l'aiuto di un ingegnere? Cosa può ricavare dall'osservazione delle persone nei loro ambienti sociali naturali? La robotica dello sviluppo cerca di rispondere a queste domande fondamentali. Sebbene Alan Turing e altri pionieri della cibernetica abbiano posto queste domande e delineato un approccio generale già nel 1950, è stato solo nell'ultima parte del XX secolo che sono state effettivamente studiate in modo sistematico.

La robotica dello sviluppo è correlata ad aree come l'intelligenza artificiale e il machine learning, nonché alla robotica cognitiva e alle neuroscienze computazionali a causa della sua enfasi sulle macchine intelligenti adattive. Sebbene possa avvalersi di alcuni dei metodi sviluppati in queste aree, si distingue da essi per una serie di aspetti importanti. Le abilità sensomotorie e sociali incarnate e situate hanno la priorità rispetto ai problemi simbolici astratti, distinguendola dall'IA classica in quanto non assume la capacità di ragionamento simbolico avanzato. A differenza della robotica cognitiva, si occupa dei processi piuttosto che dei prodotti finali dello sviluppo cognitivo. La modellazione funzionale di architetture integrate di sviluppo e apprendimento è il suo obiettivo principale, distinguendolo dalle neuroscienze computazionali. In senso più ampio, le seguenti tre caratteristiche distinguono la robotica dello sviluppo da altri campi correlati:

Mira ad architetture e meccanismi di apprendimento che siano indipendenti dal compito; cioè, la macchina o il robot dovrebbe essere in grado di raccogliere compiti per i quali l'ingegnere non ha progetti; Vengono enfatizzate la crescita a tempo indeterminato e la formazione continua, ad es.

La capacità di un organismo vivente di imparare continuamente cose nuove.

Questo non dovrebbe essere inteso come una capacità di imparare "qualsiasi cosa" o anche "tutto", è solo che ci sono infiniti modi per costruire sulle fondamenta delle competenze che si acquisiscono; Le competenze acquisite dovrebbero aumentare progressivamente in complessità (pur rimanendo gestibili).

L'intelligenza artificiale incarnata, i sistemi enattivi e dinamici, le scienze cognitive e il connessionismo hanno tutti svolto un ruolo nell'emergere della robotica dello sviluppo. Il campo della robotica dello sviluppo interagisce fortemente con gli altri, tra cui la psicologia dello sviluppo, le neuroscienze cognitive e dello sviluppo, la drobotica e altri, perché si basa sull'idea fondamentale che l'apprendimento e lo sviluppo avvengono come risultato auto-organizzato delle interazioni dinamiche tra cervelli, corpi e il loro ambiente fisico e sociale. Poiché molte delle teorie in questi campi sono verbali e/o descrittive, la robotica dello sviluppo richiede un lavoro significativo nella formalizzazione e nella modellazione computazionale. Questi modelli computazionali vengono poi utilizzati per fare una serie di cose, tra cui valutare la loro coerenza e possibilmente esplorare spiegazioni alternative per comprendere lo sviluppo biologico, il tutto con l'obiettivo di creare macchine più versatili e adattive.

Utilizzando lo stesso approccio generale e la stessa metodologia dei neonati umani, i progetti di robotica dello sviluppo mirano a far sì che i robot apprendano le stesse competenze. Lo sviluppo delle capacità sensomotorie è una delle prime aree di studio. Imparare a usare uno strumento richiede una comprensione delle sue affordances, nonché una comprensione della struttura e delle dinamiche del proprio corpo, come la coordinazione occhio-mano, la locomozione e l'interazione con gli oggetti. Il secondo insieme di abilità che i robot dello sviluppo mirano a instillare sono quelle sociali e linguistiche, come il rispetto dei turni, l'interazione coordinata, i lessici, la sintassi e la grammatica e il loro fondamento nelle abilità sensomotorie (a volte indicate come radicamento dei simboli). Allo stesso tempo, si studia lo sviluppo dell'autoconsapevolezza e dell'altro, la maturazione delle capacità attentive, la maturazione dei sistemi di categorizzazione e delle rappresentazioni di livello superiore delle affordances o dei costrutti sociali, e la maturazione dei valori, dell'empatia e delle teorie della mente.

A causa della vastità e complessità degli spazi sensomotori e sociali in cui operano gli esseri umani e i robot, solo una frazione delle abilità possibili può essere esplorata e appresa in una sola vita. Pertanto, gli organismi in via di sviluppo richiedono meccanismi e vincoli per dirigere la loro crescita in complessità. La robotica dello sviluppo studia diverse famiglie significative di meccanismi guida e vincoli che sono modellati sullo sviluppo umano:

Esistono due tipi principali di sistemi motivazionali, ognuno dei quali genera segnali di ricompensa interni che guidano l'esplorazione e l'apprendimento:

I robot e gli organismi viventi sono spinti da motivazioni estrinseche a mantenere stabili alcune proprietà interne essenziali, come l'approvvigionamento di cibo e acqua, la salute e l'esposizione alla luce (ad esempio nei sistemi fototropici); L'apprendimento e l'esplorazione guidati dalla curiosità, noti anche come apprendimento ed esplorazione attivi, sono il risultato delle motivazioni intrinseche di un robot a cercare novità, sfide, compressione o progressi nell'apprendimento in sé e per sé; La robotica dello sviluppo esplora i meccanismi che possono consentire ai robot di partecipare all'interazione sociale in modi analoghi a quelli attraverso i quali gli esseri umani imparano molto. Ciò potrebbe aprire la strada ai robot per imparare dagli esseri umani (attraverso metodi vari come l'imitazione, l'emulazione, il miglioramento dello stimolo, la dimostrazione, ecc.) e per i robot ad attivare la pedagogia umana naturale attraverso la loro comprensione dei segnali sociali. Di conseguenza, viene studiato anche il tema delle opinioni delle persone sui robot per lo sviluppo; L'efficienza dell'apprendimento può spesso essere notevolmente migliorata studiando e rimuovendo i pregiudizi che caratterizzano le rappresentazioni/codifiche e i meccanismi di inferenza. Un'altra area cruciale di studio sono i meccanismi neurali alla base dell'inferenza e dell'acquisizione di nuove conoscenze e competenze attraverso il riutilizzo di strutture precedentemente apprese; L'apprendimento di nuove abilità sensomotorie o sociali può essere notevolmente facilitato dalle proprietà dell'incarnazione, come la geometria, i materiali o le primitive/sinergie motorie innate spesso codificate come sistemi dinamici. Un'importante direzione di indagine riguarda il modo in cui questi vincoli interagiscono tra loro; I neonati hanno limitazioni nello sviluppo perché i loro corpi e il sistema nervoso devono maturare separatamente piuttosto che unirsi alla nascita. Ciò suggerisce, ad esempio, che con il progredire dell'apprendimento e dello sviluppo, possono apparire nuovi gradi di libertà, insieme ad aumenti del volume e della risoluzione dei segnali sensomotori disponibili. Una delle questioni più urgenti nella robotica dello sviluppo è come implementare questi meccanismi nei robot in modo da facilitare o ostacolare l'apprendimento di nuove competenze complesse.

Mentre la maggior parte dei progetti di robotica per lo sviluppo coinvolge ampie interazioni con le teorie dello sviluppo animale e umano, i livelli di somiglianza e ispirazione tra i meccanismi biologici identificati e la loro controparte nei robot, così come i livelli di astrazione della modellazione, possono variare notevolmente. A differenza della Neurorobotica, che cerca di modellare sia la funzione che l'implementazione biologica (modelli neurali o morfologici), altri progetti possono concentrarsi solo sulla modellazione funzionale dei meccanismi e dei vincoli sopra descritti. Questi progetti possono, ad esempio, riutilizzare tecniche della matematica applicata o dell'ingegneria all'interno delle loro architetture.

A causa del fatto che la robotica dello...