Consapevolezza corporea: gli scienziati danno ai robot un senso basilare di "propriocezione"

Ripubblicato da Platone

Seguaci: 0

Consapevolezza del corpo: gli scienziati danno ai robot un senso di base della "propriocezione" PlatoBlockchain Data Intelligence. Ricerca verticale. Ai.

Molti esperti credono di più forme generali di intelligenza artificiale sarà impossibile senza dare corpo all’IA nel mondo reale. Un nuovo approccio che consente ai robot di apprendere come è configurato il loro corpo potrebbe accelerare questo processo.

La capacità di percepire intuitivamente la disposizione e il posizionamento del nostro corpo, qualcosa noto come propriocezione, è una capacità potente. Ancora più impressionante è la nostra capacità di aggiornare il nostro modello interno di come funzionano tutte queste parti – e di come lavorano insieme – a seconda di fattori interni come infortuni o esterni come un carico pesante.

Replicare queste capacità in robot sarà cruciale se vorranno operare in modo sicuro ed efficace nelle situazioni del mondo reale. Molti esperti di intelligenza artificiale ritengono inoltre che, affinché l’intelligenza artificiale possa raggiungere il suo pieno potenziale, debba essere incarnata fisicamente anziché semplicemente interagire con il mondo reale attraverso mezzi astratti come il linguaggio. Dare alle macchine un modo per imparare come funziona il loro corpo è probabilmente un ingrediente cruciale.

Ora, un team dell’Università Tecnica di Monaco ha sviluppato un nuovo tipo di approccio di apprendimento automatico che consente a un’ampia varietà di robot diversi di dedurre la disposizione dei loro corpi utilizzando nient’altro che il feedback dei sensori che tracciano il movimento dei loro arti.

"L'incarnazione di un robot determina le sue capacità percettive e comportamentali", scrivono i ricercatori in a carta dentro Scienza Robotics descrivendo il lavoro. “I robot in grado di costruire in modo autonomo e incrementale una comprensione della propria morfologia possono monitorare lo stato delle loro dinamiche, adattare la rappresentazione del proprio corpo e reagire ai cambiamenti ad esso apportati”.

Tutti i robot necessitano di un modello interno del proprio corpo per funzionare in modo efficace, ma in genere questo è codificato o appreso utilizzando dispositivi di misurazione esterni o telecamere che monitorano i loro movimenti. Al contrario, il nuovo approccio tenta di apprendere la disposizione del corpo di un robot utilizzando solo i dati provenienti da unità di misurazione inerziali – sensori che rilevano il movimento – posizionate su diverse parti del robot.

L'approccio del team si basa sul fatto che ci sarà una sovrapposizione nei segnali provenienti da sensori più vicini o sulle stesse parti del corpo. Ciò rende possibile analizzare i dati di questi sensori per determinare la loro posizione sul corpo del robot e le loro relazioni reciproche.

Innanzitutto, il team fa in modo che il robot generi dati sensomotori tramite il "balbettio motorio", che comporta l'attivazione casuale di tutti i servi della macchina per brevi periodi per generare movimenti casuali. Quindi utilizzano un approccio di apprendimento automatico per capire come sono disposti i sensori e identificare i sottoinsiemi che si riferiscono ad arti e articolazioni specifici.

I ricercatori hanno applicato il loro approccio a una varietà di robot sia nelle simulazioni che negli esperimenti nel mondo reale, tra cui un braccio robotico, un piccolo robot umanoide e un robot a sei zampe. Hanno dimostrato che tutti i robot potevano sviluppare una comprensione della posizione delle loro articolazioni e della direzione in cui erano rivolte.

Ancora più importante, l’approccio non richiede un enorme set di dati come i metodi di deep learning alla base della maggior parte dell’intelligenza artificiale moderna e può invece essere eseguito in tempo reale. Ciò apre la prospettiva di robot in grado di adattarsi al volo ai danni o all’aggiunta di nuove parti del corpo o moduli.

"Riconosciamo l'importanza della capacità di un robot di valutare e aggiornare continuamente le conoscenze sulla sua morfologia in modo autonomo", scrivono i ricercatori. “L’apprendimento incrementale della morfologia consentirebbe ai robot di adattare i propri parametri per riflettere i cambiamenti nella struttura corporea che potrebbero derivare da azioni autoinflitte o inflitte dall’esterno”.

Anche se comprendere come funziona il tuo corpo è solo una piccola parte dell'apprendimento di come svolgere compiti utili, è un ingrediente importante. Dare ai robot questa capacità simile alla propriocezione potrebbe renderli più flessibili, adattabili e sicuri.

Credito immagine: xx / xx