En ny tilgang til at infundere rumlige forestillinger i robotsystemer

Forskere ved Sorbonne Universités og CNRS har for nylig undersøgt forudsætningerne for fremkomsten af ​​forenklede rumlige forestillinger i robotsystemer, baseret på en robots sansemotoriske flow. Deres studie, forudgivet på arXiv, er en del af et større projekt, hvor de udforskede, hvordan grundlæggende perceptuelle forestillinger (f.eks. krop, plads, objekt, farve, osv.) kunne indpodes i biologiske eller kunstige systemer.

Indtil nu, design af robotsystemer har hovedsageligt afspejlet den måde, hvorpå mennesker opfatter verden. Design af robotter udelukkende styret af menneskelig intuition, imidlertid, kunne begrænse deres opfattelser til dem, der opleves af mennesker.

At designe fuldt autonome robotter, forskere kan derfor være nødt til at træde væk fra menneskerelaterede konstruktioner, giver robotagenter mulighed for at udvikle deres egen måde at opfatte verden på. Ifølge holdet af forskere ved Sorbonne Universités og CNRS, en robot bør gradvist udvikle sine egne perceptuelle forestillinger udelukkende ved at analysere sine sansemotoriske oplevelser og identificere meningsfulde mønstre.

"Den generelle hypotese er, at ingen giver perceptuelle forestillinger til biologiske organismer, "Alexander Terekhov, en af ​​de forskere, der har udført undersøgelsen, fortalte TechXplore. "Disse koncepter udvikles i stedet over tid, som nyttige redskaber, der hjælper dem med at få mening i de enorme sansemotoriske data, de konstant udsættes for. Som en konsekvens, en frøs forestilling om rummet vil højst sandsynligt adskille sig fra en flagermus, som igen vil adskille sig fra menneskers. Så når man bygger en robot, hvilken forestilling om plads skal vi give den? Sandsynligvis ingen af ​​disse. Hvis vi ønsker, at robotter skal være virkelig intelligente, vi bør ikke bygge dem ved hjælp af abstrakte forestillinger, men i stedet, give dem algoritmer, der vil give dem mulighed for selv at udvikle sådanne forestillinger."

Terekhov og hans kolleger viste, at begrebet rum som miljøuafhængigt ikke kun kan udledes af eksteroceptiv information, da disse oplysninger varierer meget afhængigt af, hvad der findes i miljøet. Dette begreb kunne defineres bedre ved at se på funktioner, der forbinder motoriske kommandoer med ændringer i stimuli, der er eksterne for midlet.

"Vigtig indsigt kom fra en gammel undersøgelse af den berømte franske matematiker Henri Poincare, som var interesseret i, hvordan matematik i almindelighed og geometri i særdeleshed kunne komme ud af menneskelig opfattelse, " sagde Terekhov. "Han foreslog, at sammenfaldet i det sensoriske input kan spille en afgørende rolle."

Idéerne introduceret af Poincare kan bedre forklares med et simpelt eksempel. Når vi ser på et givent objekt, øjnene fanger et bestemt billede, hvilket vil ændre sig, hvis objektet bevæger sig 10 cm til venstre. Imidlertid, hvis vi flytter 10 cm til venstre, billedet, vi ser, vil forblive næsten nøjagtigt det samme.

"Denne egenskab virker mirakuløs, hvis du tænker på, hvor mange receptorer den menneskelige krop har, " sagde Terekhov. "Det er næsten umuligt at få det samme input to gange i livet, alligevel oplever vi det konstant. Disse hændelser med lav sandsynlighed kan bruges af hjernen til at konstruere generelle perceptuelle forestillinger."

For at anvende disse ideer til design af robotsystemer, forskerne programmerede en virtuel robotarm med et kamera i spidsen. Robotten bemærkede, at målingerne kom fra armens led, hver gang den modtog det samme visuelle input. "Ved at forbinde alle disse målinger, robotten bygger en abstraktion, der matematisk svarer til kameraets position og orientering, selvom den ikke har nogen eksplicit adgang til disse oplysninger, " sagde Terekhov. "Det vigtigste er, at selvom denne abstrakte forestilling læres baseret på det visuelle input, det ender med at være uafhængigt af det, og fungerer således til alle miljøer; på samme måde, som vores forestilling om rum ikke afhænger af den særlige scene, vi ser."

Ved at anvende samme princip i en anden undersøgelse, forskerne fik med succes en robot til at kompensere for en optisk forvrængning forårsaget af en linse foran kameraet. Typisk, dette ville blive opnået ved at træne algoritmer på par af forvrængede og uforvrængede billeder.

"Den vanskelige del af vores undersøgelse var, at robotten skulle udføre denne opgave ved kun at se på de forvrængede billeder, ligesom mennesker lærer at kompensere for forvrængning indført af briller, " sagde Terekhov. "Vi mener, at principperne introduceret af Poincare, som er grundlaget for vores algoritmer, kunne være mere generelle og bruges af hjernen på flere niveauer. Vi undersøger i øjeblikket muligheden for at bruge disse principper til at bygge neurale netværk, der ikke lider af katastrofal forglemmelse og gradvist kan akkumulere viden."

© 2018 Tech Xplore