АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Робототехника развития

Робототехника развития (англ. developmental robotics, сокращённо DevRob), также называемая эпигенетической робототехникой (англ. epigenetic robotics), — это научная область, изучающая механизмы, архитектуры и ограничения развития, которые обеспечивают непрерывное и открытое обучение новым навыкам и знаниям у физических машин. Как и у человеческих детей, обучение тут понимается как накопительный процесс, постепенно увеличивающий свою сложность и возникающий из комбинации самостоятельного исследования окружающего мира и социальных взаимодействий. Типичный методологический подход заключается в опоре на теории человеческого и животного развития, разработанные в областях таких, как развивающая психология, невронаука, эмбриология и эволюционная биология, а также лингвистика; далее происходит их формализация и реализация на роботах с возможностью варьирования и расширения концепций. Экспериментальная реализация этих моделей на роботах позволяет сопоставлять их с реальностью, а сама робототехника развития становится источником обратной связи и новых гипотез для теорий развития человека и животных[1].

Робототехника развития связана, но отличается от эволюционной робототехники: последняя использует популяции роботов, эволюционирующих с течением времени, тогда как DevRob исследует, как организация системы управления отдельного робота меняется благодаря опыту в процессе развития.

DevRob также связана с исследованиями в области робототехники и искусственной жизни.

Предпосылки

Может ли робот учиться как ребёнок? Может ли он осваивать разнообразные новые навыки и знания, не заложенные при проектировании, а также делать это в частично неизвестной и изменяющейся среде? Как он может открывать своё тело и его взаимосвязь с физическим и социальной средой? Может ли его когнитивные способности непрерывно развиваться без участия инженера после выхода «с завода»? Чему он способен научиться в ходе естественных социальных взаимодействий с людьми? Именно эти вопросы находятся в центре робототехники развития. Эти вопросы и общий подход были сформулированы ещё Аланом Тьюрингом и другими пионерами кибернетики в 1950 году[2], однако целенаправленно их стали изучать лишь с конца XX века[1].[3][4]

Поскольку центральной идеей робототехники развития является создание адаптивных интеллектуальных машин, она связана с такими областями, как искусственный интеллект, машинное обучение, когнитивная робототехника и вычислительная нейронаука. При этом, хотя методы этих областей могут использоваться, подход DevRob существенно отличается. В отличие от классического искусственного интеллекта, DevRob не предполагает наличие развитых символьных рассуждений и акцентирует внимание на воплощённых (эмбодированных), ситуативных сенсорно-моторных и социальных навыках. От когнитивной робототехники DevRob отличается акцентом на процессах формирования когнитивных способностей, а не только на наличии этих способностей. От вычислительной нейронауки отличается концентрацией на функциональном моделировании интегрированных архитектур развития и обучения. В целом, робототехника развития характеризуется тремя уникальными признаками:

  1. Нацеленность на архитектуры и механизмы обучения, независимые от задачи — машина/робот должен уметь осваивать задачи, заранее не известные инженеру;
  2. Ориентация на открытое развитие и обучение на протяжении всей «жизни», то есть постоянное освоение новых навыков (это не вседозволенность, а принцип бесконечного расширения возможных умений в некоторых направлениях);
  3. Управляемый прогрессивный рост сложности осваиваемых знаний и навыков.

Робототехника развития формировалась на пересечении ряда областей: воплощённого искусственного интеллекта, энактивного и динамического подходов в когнитивных науках, коннекционизма. В основе лежит идея о том, что обучение и развитие происходят как самоорганизованный результат динамических взаимодействий между мозгом, телом и их физическим и социальным окружением; попытки понять, как harness (упорядочить, использовать) эту самоорганизацию для независимого от задач обучения на протяжении жизни, ведут к тесному взаимодействию с развивающейся психологией, нейронауками развития и когнитивных функций, эмбриологией, эволюционной биологией и когнитивной лингвистикой. Многие теории из этих наук словесны и описательны, поэтому ключевую роль играет их формализация и компьютерное моделирование в DevRob. Эти модели используются не только для разработки более универсальных и адаптивных машин, но и для проверки их логической согласованности и поиска альтернативных объяснений биологического развития[4].

Основные направления исследований

Домен навыков

В силу общего подхода и методологии, проекты робототехники развития обычно нацелены на формирование у роботов таких же видов навыков, какие осваивают младенцы. Одна из важных категорий — сенсорно-моторные навыки: овладение собственным телом (структурой и динамикой движений, например, координация рук и глаз, перемещение, взаимодействие с объектами и использование инструментов), c особыми акцентами на обнаружение и освоение аффордансов. Вторая категория — социальные и языковые навыки: освоение простых социальных игр (смена ролей, координированное взаимодействие), формирование лексикона, синтаксиса и грамматики, а также закрепление языковых конструкций в сенсорно-моторных паттернах (символическая привязка). Параллельно исследуется развитие сопутствующих когнитивных функций — различение себя и других, становление внимания, категоризационные системы, представления аффордансов и социальных конструктов, формирование системы ценностей, эмпатии, гипотез о «теории разума».

Механизмы и ограничения

Сенсорно-моторное и социальное пространства человека и робота настолько велики и сложны, что за жизнь возможно освоить лишь малую долю потенциально доступных навыков. Поэтому необходимы механизмы и ограничения, направляющие развитие и контролирующие рост его сложности. В робототехнике развития изучаются несколько групп подобных механизмов — все они вдохновлены биологическим развитием:

  1. Мотивационные системы, генерирующие внутренние сигналы вознаграждения для стимуляции исследования и обучения. Они бывают двух основных типов:
    • Внешние мотивации — побуждают поддерживать уровень базовых ресурсов: вода, пища, целостность, свет (например, в фотореактивных системах);
    • Внутренние мотивации — подталкивают к поиску новизны, вызова, увеличения сжатия или прогресса в обучении, порождая то, что называют любознательностью или активным обучением и исследованием;
  2. Социальное руководство: мотивация и обучение за счёт взаимодействия с человеком через имитацию, эмуляцию, демонстрацию, подражание, а также запуск естественной педагогики (спонтанного обучения и передачи знаний);
  3. Смещённые вероятностные оценки и повторное использование накопленных знаний: ограничения и искажения в представлениях и механизмах вывода часто позволяют существенно повысить эффективность обучения. Близкая тема — механизмы, обеспечивающие переиспользование уже освоенных структур для дальнейшего приобретения навыков и знаний;
  4. Ограничения воплощения — параметры тела: геометрия, материалы, врождённые двигательные примитивы/синергии часто описываются как динамические системы и могут очень облегчить освоение сенсорно-моторных и социальных навыков (иногда употребляется термин «морфологическое вычисление»). Взаимодействие этих ограничений с другими — предмет отдельного исследования;
  5. Ограничения на созревание (матурационные): у младенцев тело и нервная система развиваются поступательно, а не даются в готовом виде; это приводит к появлению новых степеней свободы и увеличению разрешающей способности сенсорно-моторных сигналов по мере развития. Их перенос в роботов — отдельный исследовательский вызов, который позволяет понять, что препятствует или наоборот, облегчает освоение сложных навыков.

От биомиметического моделирования к функциональному вдохновению

Хотя большинство проектов строится в тесной связи с теориями развития животных и человека, степень и характер сходства, а также уровень абстракции между биологическими механизмами и их реализацией в роботах сильно различается. Некоторые проекты ставят целью точное моделирование как функции, так и биологической реализации (например, в нейроробототехнике), а другие ограничиваются функциональным моделированием описанных выше механизмов и ограничений, заимствуя в компьютерной архитектуре методы прикладной математики и инженерии.

Открытые вопросы

Поскольку робототехника развития — достаточно новая и в то же время крайне амбициозная область, перед ней стоит много фундаментальных нерешённых задач.

Во-первых, существующие методы ещё далеки от того, чтобы позволить роботам с высоким числом степеней свободы в реальном мире всю жизнь осваивать открытый спектр всё более сложных навыков. Многомерность сенсорно-моторных пространств остаётся серьёзной преградой. Аналогично актуальна и задача непрерывного накопительного (кумулятивного) обучения. По факту, эксперименты обычно не длятся более нескольких дней, тогда как формирование аналогичных навыков у малышей занимает месяцы и годы, притом что их мозг и морфология значительно сложнее существующих вычислительных моделей.

Для прогресса необходимо систематически исследовать взаимодействия механизмов и ограничений, обсуждавшихся выше, так как они в основном изучались по отдельности. Пример — сочетание внутренне мотивированного и социально управляемого обучения, а также влияние эволюции и созревания.

Ещё одна задача — научить роботов воспринимать, интерпретировать и использовать разнообразные мультимодальные социальные сигналы, поступающие от людей, не являющихся инженерами, при взаимодействии человек—робот. Эти возможности пока крайне ограничены.

Важнейшая фундаментальная проблема — как формируются и используются композициональность, функциональные иерархии, примитивы и модульность на всех уровнях сенсорно-моторных и социальных структур. Это напрямую связано с вопросом возникновения символики, известным как проблема привязки символов в изучении языка. Более того, само существование и необходимость символов в мозге ставятся под сомнение, разрабатываются альтернативные подходы, сохраняющие композициональность и иерархии.

В ходе биологической эпигенезы морфология организма не фиксирована, а развивается во взаимодействии с сенсорно-моторным и социальным развитием. Проблема моделирования морфогенеза у роботов очевидно сложна, но представляет собой важное направление — хотя бы в виде компьютерных симуляций (смотри морфогенетическая робототехника).

Дополнительная сложная задача — понимание связи между ключевыми феноменами, которые исследует робототехника развития (иерархические и модульные сенсорно-моторные системы, мотивация и обучение), и мозговыми механизмами, их реализующими.

Аналогичная взаимосвязь в биологии — взаимодействие механизмов развития (онтогенез) и эволюции (филогенез), что показано в развивающейся области эво-дево (evo-devo)[5]. Однако в искусственных системах (в частности, в робототехнике развития) эта тема мало изучена. Взаимодействие между эволюционными механизмами, морфогенезом и развитием навыков (сенсорно-моторных и социальных) будет одним из перспективных направлений будущих исследований.

Основные журналы

Главные конференции

Финансируемый NSF/DARPA Workshop on Development and Learning проходил 5-7 апреля 2000 года в Университете штата Мичиган. Это была первая международная встреча, посвящённая вычислительному моделированию умственного развития у роботов и животных.

Примечания

  1. ↑ 1 2 Lungarella, M.; Metta, G.; Pfeifer, R.; Sandini, G. (2003-12-01). “Developmental robotics: a survey”. Connection Science [англ.]. 15 (4): 151—190. DOI:10.1080/09540090310001655110. Дата обращения 2024-06-12. Используется устаревший параметр |url-status= (справка); |access-date= требует |url= (справка)
  2. ↑ Turing, A. M. (1950-10-01). “Computing machinery and intelligence” (PDF). Mind [англ.]. LIX. LIX (236): 433—460. DOI:10.1093/mind/LIX.236.433. Дата обращения 2024-06-12. Используется устаревший параметр |url-status= (справка)
  3. ↑ Asada, M.; Hosoda, K.; Kuniyoshi, Y.; Ishiguro, H.; Inui, T.; Yoshikawa, Y.; Ogino, M.; Yoshida, C. (2009-03-01). “Cognitive developmental robotics: a survey”. IEEE Transactions on Autonomous Mental Development [англ.]. 1 (1): 12—34. DOI:10.1109/tamd.2009.2021702. Дата обращения 2024-06-12. Используется устаревший параметр |url-status= (справка); |access-date= требует |url= (справка)
  4. ↑ 1 2 Oudeyer, P.-Y. (2010-03-01). “On the impact of robotics in behavioral and cognitive sciences: from insect navigation to human cognitive development” (PDF). IEEE Transactions on Autonomous Mental Development [англ.]. 2 (1): 2—16. DOI:10.1109/tamd.2009.2039057. Дата обращения 2024-06-12. Используется устаревший параметр |url-status= (справка)
  5. ↑ Müller, G. B. (2007-12-01). “Evo-devo: extending the evolutionary synthesis”. Nature Reviews Genetics [англ.]. 8 (12): 943—949. DOI:10.1038/nrg2219. PMID 17984972. Дата обращения 2024-06-12. Используется устаревший параметр |url-status= (справка); |access-date= требует |url= (справка)

Ссылки

Технические комитеты

Академические институты и исследователи

Связанные крупномасштабные проекты

Учебные курсы

Первые бакалаврские курсы по DevRob были прочитаны в Брин-Мор-колледже и Суортмор-колледже весной 2003 года Дугласом Блэнком и Лизой Миден соответственно. Первый магистерский курс по DevRob был предложен в Университет штата Айова Александром Стойчевым осенью 2005 года.

Дополнительно по теме

Категории