АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Тележка Брайтенберга

Теле́жка Брайтенбе́рга — это концепция, предложенная итальянским кибернетиком Валентино Брайтенбергом в книге «Vehicles: Experiments in Synthetic Psychology». В этой работе мир животных моделируется минималистично и конструктивно: от самых простых реактивных форм поведения (например, фототаксис) с помощью элементарных машин — «тележек», до образования понятий, пространственного поведения и генерации идей[1].

У самых простых тележек движение напрямую определяется сенсорами (например, фоторезисторами), но итоговое поведение может показаться сложным или даже разумным.

Механизм

Тележка Брайтенберга представляет собой автономного агента, передвигающегося на основе сигналов своих сенсоров. Она оснащается примитивными датчиками, измеряющими стимул в определённой точке, и колёсами (каждое из которых приводится в движение отдельным мотором), выполняющими роль исполнительных органов. В самой простой конфигурации сенсор напрямую соединён с исполнительным органом, так что обнаруженный сигнал сразу же вызывает движение колёса.

В зависимости от способа соединения сенсоров и колёс тележка демонстрирует различное поведение (которое может быть целеориентированным). Иными словами, структура сенсомоторных связей определяет, к каким стимулам стремится аппарат и каких избегает, а также как меняется его поведение при изменении ситуации[1].

У простейших тележек (типы 2 и 3) соединения сенсоров и исполнительных органов могут быть ипсилатеральными или контралатеральными, а также возбуждающими или тормозящими. Это создаёт четыре комбинации с разным поведением, которое Брайтенберг назвал страхом, агрессией, симпатией и любовью. Эти категории соответствуют биологическим положительным и отрицательным таксисам[2], встречающимся у многих видов животных.

Примеры

Ниже приведены примеры простейших тележек Брайтенберга.

Тележка 1 — «Передвижение»

Первая тележка оснащается единственным сенсором (например, температурным детектором), который напрямую регулирует скорость единственного колеса пропорционально интенсивности сигнала. Конструкция допускает движение только по одной оси: тележка может либо стоять на месте, либо передвигаться вперёд с разной скоростью по мере изменения температуры. Если добавить внешние силы, например несимметричное трение, тележка может начать непредсказуемо отклоняться от прямолинейного движения, напоминая броуновское движение.

Такое поведение может восприниматься наблюдателем как «живое», беспокойное существо, вроде насекомого, никогда не останавливающееся в своих перемещениях. Низкая скорость в областях с низкой температурой может трактоваться как предпочтение к холодным зонам[1].

Тележка 2a

Более сложный агент оснащается двумя симметричными сенсорами (например, световыми детекторами), каждый из которых стимулирует колесо на той же стороне тела. Такая тележка моделирует отрицательный животный тропотаксис:

  • Больше света справа → правое колесо крутится быстрее → тележка поворачивает влево, от света.

Это эффективно позволяет агенту избегать источника света, двигаясь в наиболее затемнённые стороны.

В другом варианте соединения тормозящие: больше света — меньшая скорость. В этом случае тележки устремляются от тёмного к светлым областям.

Тележка 2b

У данного агента также два симметричных сенсора (например, световых детектора), однако каждый подключён к противоположному колесу. Работает следующее правило:

  • Больше света слева → правое колесо крутится быстрее → движение влево, к источнику света.

Таким образом, робот стремится приблизиться к свету.

Поведение

В сложных условиях с несколькими источниками стимулов тележки Брайтенберга могут проявлять сложное, динамически меняющееся поведение.

В зависимости от схемы соединения сенсоров и исполнительных органов тележка может приблизиться к источнику, но не прикасаться к нему, убегать очень быстро или описывать круги/восьмёрки вокруг определённой точки.

Такое поведение несомненно кажется целенаправленным, гибким и адаптивным, иногда даже разумным, подобно элементарному интеллекту позвоночных или тараканов. Однако функционирование тележки полностью механистическое, без сколь-либо развитой переработки информации или иных когнитивных процессов.

Аналоговые роботы, например в подходе BEAM-робототехники, часто реализуют подобные модели поведения.

Современные исследования и разработки

Концепция тележек Брайтенберга продолжает оставаться актуальной в XXI веке, находя применение в качестве инструмента для исследований в нейробиологии, робототехнике и искусственном интеллекте. Современные работы сместили фокус с простых физических моделей на использование тележек в качестве вычислительных моделей для проверки гипотез о поведении животных и разработки новых алгоритмов.

В 2016 году была предложена новая модель тележки под названием «Оппортунист» (Opportunist), разработанная в рамках исследования по формализации сложных когнитивных функций у реактивных агентов[3]. Годом позже, в 2017, были представлены работы, интегрирующие концепцию с современными теориями: была создана дрейфово-диффузионная модель, учитывающая шум сенсоров[4], и продемонстрирована функциональная эквивалентность тележки типа 2b и модели, основанной на принципе свободной энергии из вычислительной нейробиологии[5]. Также для изучения сенсомоторных связей начали применять обучение с подкреплением[6].

В период с 2018 по 2019 год концепция активно использовалась в образовательных целях, например, на семинарах по созданию реконфигурируемых роботов[7]. Исследования были направлены на усложнение поведения: были представлены модели для фонотаксиса (движения к звуку) с пластичными сенсомоторными связями на основе геббовского обучения, а также модели хемотаксиса, вдохновлённые поведением насекомых[8].

Обзорная статья 2020 года закрепила за тележками Брайтенберга статус важного вычислительного инструмента для исследований в поведенческой нейробиологии[8], позволяющего моделировать различные формы поведения животных, такие как ориентация по звуку или химическим веществам[8]. В 2021 году классическая модель была усовершенствована за счёт интеграции с компьютерным зрением для идентификации нескольких целей одновременно[9].

С 2022 года исследования стали ещё более многогранными. Была опубликована работа, в которой тележки Брайтенберга используются в качестве инструмента для моделирования развития нервной системы (developmental neurosimulation), чтобы изучать, как формирующийся коннектом приводит к появлению определённых поведенческих реакций[10]. Другое исследование 2022 года смоделировало эволюционные процессы в популяции тележек, часть из которых могла сама излучать свет, что привело к формированию более разнообразных поведенческих паттернов[11]. В 2023 году принципы тележек были объединены с алгоритмами планирования пути, такими как A*, что позволило добавить к реактивному поведению элементы долгосрочного планирования[12].

В 2024 году издательством MIT Press была выпущена книга «The Open Dynamics of Braitenberg Vehicles», представляющая наиболее подробный на сегодняшний день математический анализ динамики тележек[13][14]. В том же году был представлен новый программный симулятор на движке Unity для образовательных и исследовательских целей[15], а также опубликованы результаты исследования по применению эволюционных вычислений для создания нейронных сетей, управляющих роботами по принципам тележек Брайтенберга, с целью анализа интеграции информации в простых системах[16].

Примечания

Литература

  • Braitenberg, Valentino. Vehicles: Experiments in Synthetic Psychology. — Cambridge, MA : MIT Press, 1984. — ISBN 978-0-262-52112-3.
  • Lambrinos, D.; Scheier, Ch. (1995). Extended braitenberg architectures (AI Lab Technical Report). University of Zurich. 95.10.
  • Headleand, Chris; Ap Cynedd, Llyr; Teahan, William J. (2014). “Berry Eaters: Learning Colour Concepts with Template Based Evolution Evaluation”. Proceedings of the Fourteenth International Conference on the Synthesis and Simulation of Living Systems. pp. 358—365. DOI:10.7551/978-0-262-32621-6-ch060.
  • Maktoubian, Matin; Hataminejad T., Ahmad (2016). On the Formal Development of Behavioral Reactive Agents: A Systematic Braitenberg-Vehicle Approach (arXiv). 1612.03979.
  • Baltieri, Manuel; Buckley, Christopher L.; Pezzulo, Giovanni (2017). Active inference and robot phototaxis (arXiv). 1707.01806.
  • Chowdhary, Girish; Kumar, Girish; Harkin, Kevin G.; Maguire, Liam P.; Coleman, Sonya A. (2017). “A Drift Diffusion Model of Biological Source Seeking for Mobile Robots”. 2017 IEEE International Conference on Robotics and Automation (ICRA). IEEE. pp. 5727—5732. DOI:10.1109/ICRA.2017.7989673.
  • Zarcone, A.; Pezzulo, G.; Manoonpong, P. (2020). “Braitenberg Vehicles as Computational Tools for Research in Neuroscience”. Frontiers in Bioengineering and Biotechnology. 8: 565963. DOI:10.3389/fbioe.2020.565963.
  • Wang, Y.; Li, X.; Zhang, J. (2021). “An Improved Braitenberg Vehicle Model Based on Object Detector” (PDF). International Core Journal of Engineering. 7 (5): 578—587.
  • Dvoretskii, Stefan; Gong, Ziyi; Gupta, Ankit; Parent, Jesse; Alicea, Bradly (2022). “Braitenberg Vehicles as Developmental Neurosimulation”. Artificial Life. 28 (3): 369—395. DOI:10.1162/artl_a_00381.
  • Berends, Sanne (2022). Equipping Braitenberg Vehicles with Lights and its Effect on the Evolutionary Processes of Braitenberg's Experiment Six (B.Sc. thesis). University of Groningen.
  • Zhang, Y.; Wang, X.; Li, Y. (2023). “Path Planning of Mobile Robot Based on Braitenberg Vehicle and A* Algorithm” (PDF). Proceedings of the 2023 4th International Conference on Control, Robotics and Intelligent System (CCRIS). Atlantis Press. pp. 350—354. DOI:10.2991/978-94-6463-256-9_40.
  • Yoshimi, Jeff. The Open Dynamics of Braitenberg Vehicles / Jeff Yoshimi, Scott Hotton. — MIT Press, 2024. — ISBN 9780262547900.
  • Pae, A.; Krichmar, J. L. (2024). “Integrated Information in Genetically Evolved Braitenberg Vehicles” (PDF). From Animals to Animats 18: The 18th International Conference on the Simulation of Adaptive Behavior, SAB 2024.

Ссылки