Capítulo 1 : Robótica de desarrollo
El estudio de los mecanismos, arquitecturas y restricciones que permiten a las máquinas incorporadas aprender nuevas habilidades y conocimientos a lo largo de su vida es el objetivo de la robótica del desarrollo (DevRob), también conocida como robótica epigenética. Se plantea la hipótesis de que la autoexploración del mundo y la interacción social producen un aprendizaje acumulativo y progresivamente más complejo, tal como lo es en los niños humanos. A partir de las teorías del desarrollo humano y animal elaboradas en campos como la psicología del desarrollo, la neurociencia, la biología evolutiva y del desarrollo y la lingüística, los investigadores suelen formalizar e implementar estas teorías en robots, a veces explorando extensiones o variantes de estas teorías. La robótica del desarrollo no solo proporciona retroalimentación e hipótesis novedosas sobre las teorías del desarrollo humano y animal, sino que también permite a los investigadores confrontar esos modelos en un entorno realista a través de la experimentación en robots.
Si bien es similar, la robótica de desarrollo se distingue de su contraparte evolutiva (ER). Mientras que ER hace uso de poblaciones de robots que evolucionan con el tiempo, DevRob está más preocupado por cómo cambia la estructura del sistema de control de un solo robot como resultado de la experiencia.
Los campos de la robótica y la vida artificial también están conectados al marco DevRob.
¿Es posible que un robot adquiera nuevas habilidades con la misma facilidad que un niño? ¿Puede adquirir nuevas habilidades y conocimientos en un entorno dinámico que no se especificó completamente durante el desarrollo? ¿Cómo puede aprender sobre sí mismo y cómo encaja en su entorno natural y social? Una vez que está "fuera de la fábrica", ¿cómo se puede permitir que sus habilidades cognitivas crezcan sin la ayuda de un ingeniero? ¿Qué puede aprender al observar a las personas en sus entornos sociales naturales? La robótica del desarrollo busca responder a estas preguntas fundamentales. Aunque Alan Turing y otros pioneros de la cibernética plantearon estas preguntas y esbozaron un enfoque general ya en 1950, no fue hasta la última parte del siglo XX que se estudiaron sistemáticamente.
La robótica del desarrollo está relacionada con áreas como la IA y el ML, así como con la robótica cognitiva y la neurociencia computacional debido a su énfasis en las máquinas inteligentes adaptativas. Si bien puede hacer uso de algunos de los métodos desarrollados en estas áreas, se distingue de ellos en varios aspectos importantes. Las habilidades sensoriomotoras y sociales encarnadas y situadas se priorizan sobre los problemas simbólicos abstractos, lo que la diferencia de la IA clásica en que no asume la capacidad de un razonamiento simbólico avanzado. A diferencia de la robótica cognitiva, se ocupa de los procesos más que de los productos finales del desarrollo cognitivo. El modelado funcional de arquitecturas integradas de desarrollo y aprendizaje es su enfoque principal, diferenciándolo de la neurociencia computacional. En un sentido más amplio, las siguientes tres características distinguen a la robótica de desarrollo de otros campos relacionados:
Apunta a arquitecturas y mecanismos de aprendizaje que sean independientes de la tarea; es decir, la máquina o el robot deben ser capaces de realizar tareas para las que el ingeniero no tiene planos; Se hace hincapié en el crecimiento abierto y la educación continua, es decir,
La capacidad de un organismo vivo para aprender continuamente cosas nuevas.
Esto no debe entenderse como una capacidad para aprender "cualquier cosa" o incluso "todo", es solo que hay infinitas formas de construir sobre la base de las habilidades que uno adquiere; La experiencia adquirida debe aumentar progresivamente en complejidad (sin dejar de ser manejable).
La IA incorporada, los sistemas enactivos y dinámicos, la ciencia cognitiva y el conexionismo jugaron un papel en la aparición de la robótica para el desarrollo. El campo de la robótica del desarrollo interactúa fuertemente con otros, incluida la psicología del desarrollo, la neurociencia cognitiva y del desarrollo, la robótica y otros, porque se basa en la idea fundamental de que el aprendizaje y el desarrollo ocurren como el resultado autoorganizado de las interacciones dinámicas entre los cerebros, los cuerpos y su entorno físico y social. Debido a que muchas de las teorías en estos campos son verbales y/o descriptivas, la robótica del desarrollo requiere un trabajo significativo en formalización y modelado computacional. Estos modelos computacionales se utilizan para hacer una serie de cosas, incluida la evaluación de su coherencia y, posiblemente, explorar explicaciones alternativas para comprender el desarrollo biológico, todo con el objetivo de crear máquinas más versátiles y adaptables.
Utilizando el mismo enfoque general y la misma metodología que los bebés humanos, los proyectos de robótica de desarrollo tienen como objetivo que los robots aprendan las mismas habilidades. El desarrollo de las habilidades sensoriomotoras es una de las primeras áreas de estudio. Aprender a usar una herramienta requiere una comprensión de sus posibilidades, así como una comprensión de la estructura y la dinámica del propio cuerpo, como la coordinación mano-ojo, la locomoción y la interacción con los objetos. El segundo conjunto de habilidades que los robots de desarrollo pretenden inculcar son las sociales y lingüísticas, como la toma de turnos, la interacción coordinada, el léxico, la sintaxis y la gramática, y su base en las habilidades sensoriomotoras (a veces denominadas conexión a tierra de símbolos). Al mismo tiempo, se estudia el desarrollo de la autoconciencia y la conciencia de los demás, la maduración de las capacidades atencionales, la maduración de los sistemas de categorización y las representaciones de nivel superior de las posibilidades o constructos sociales, y la maduración de los valores, la empatía y las teorías de la mente.
Debido a la inmensidad y complejidad de los espacios sensoriomotores y sociales en los que operan los humanos y los robots, solo una fracción de las habilidades posibles se pueden explorar y aprender en una sola vida. Por lo tanto, los organismos en desarrollo requieren mecanismos y restricciones para dirigir su crecimiento en complejidad. La robótica del desarrollo estudia varias familias significativas de mecanismos guía y restricciones que se modelan a partir del desarrollo humano:
Hay dos tipos principales de sistemas motivacionales, cada uno de los cuales genera señales internas de recompensa que impulsan la exploración y el aprendizaje:
Los robots y los organismos vivos se ven impulsados por motivaciones extrínsecas a mantener estables ciertas propiedades internas esenciales, como su suministro de alimentos y agua, su salud y su exposición a la luz (por ejemplo, en sistemas fototrópicos); El aprendizaje y la exploración impulsados por la curiosidad, también conocidos como aprendizaje y exploración activos, son el resultado de las motivaciones intrínsecas de un robot para buscar la novedad, el desafío, la compresión o el progreso del aprendizaje en sí mismo; La robótica del desarrollo explora los mecanismos que pueden permitir que los robots participen en la interacción social de formas análogas a aquellas a través de las cuales los humanos aprenden mucho. Esto podría allanar el camino para que los robots aprendan de los humanos (a través de métodos tan variados como la imitación, la emulación, la mejora de estímulos, la demostración, etc.) y para que los robots desencadenen la pedagogía humana natural a través de su comprensión de las señales sociales. Como resultado, también se estudia el tema de las opiniones de las personas sobre los robots en desarrollo; Intervalos de confianza La eficiencia del aprendizaje a menudo se puede mejorar en gran medida mediante el estudio y la eliminación de los sesgos que caracterizan las representaciones/codificaciones y los mecanismos de inferencia. Otra área crucial de estudio son los mecanismos neuronales que subyacen a la inferencia y adquisición de nuevos conocimientos y habilidades a través de la reutilización de estructuras previamente aprendidas; El aprendizaje de nuevas habilidades sensoriomotoras o sociales puede verse facilitado en gran medida por las propiedades de la realización, como la geometría, los materiales o las primitivas/sinergias motoras innatas a menudo codificadas como sistemas dinámicos. Una dirección importante de investigación se refiere a cómo estas restricciones interactúan entre sí; Los bebés tienen limitaciones en el desarrollo porque sus cuerpos y sistemas nerviosos deben madurar por separado en lugar de unirse al nacer. Esto sugiere, por ejemplo, que a medida que avanza el aprendizaje y el desarrollo, pueden aparecer nuevos grados de libertad, junto con aumentos en el volumen y la resolución de las señales sensoriomotoras disponibles. Uno de los problemas más acuciantes en la robótica del desarrollo es cómo implementar estos mecanismos en los robots para facilitar o impedir el aprendizaje de nuevas habilidades complejas.
Si bien la mayoría de los proyectos de robótica de desarrollo involucran interacciones extensas con las teorías del desarrollo animal y humano, los niveles 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. A diferencia de la neurorobótica, que busca modelar tanto la función como la implementación biológica (modelos neuronales o morfológicos), otros...
