Et robotben, født uden forudgående viden, lærer at gå

For en nyfødt giraf eller gnuer, at blive født kan være en farlig introduktion til verden - rovdyr ligger og venter på en mulighed for at lave et måltid af besætningens svageste medlem. Det er derfor, mange arter har udviklet måder for deres unge at finde deres fod inden for få minutter efter fødslen.

Det er en forbløffende evolutionær bedrift, der længe har inspireret biologer og robotikere-og nu mener et team af USC-forskere ved USC Viterbi School of Engineering, at de er blevet de første til at skabe et AI-kontrolleret robotlegeme drevet af dyrelignende sener, der endda kan blive snublet og derefter komme sig inden for det næste fodfald, en opgave, som robotten aldrig eksplicit var programmeret til at udføre.

Francisco J. Valero-Cuevas, en professor i biomedicinsk teknik en professor i biokinesiologi og fysioterapi ved USC i et projekt med USC Viterbi School of Engineering doktorand Ali Marjaninejad og to andre ph.d.-studerende-Dario Urbina-Melendez og Brian Cohn, har udviklet en bioinspireret algoritme, der kan lære en ny gangopgave selv efter kun 5 minutters ustruktureret leg, og derefter tilpasse sig andre opgaver uden yderligere programmering.

Deres artikel, skitseret i marts coverartikel af Nature Machine Intelligence , åbner spændende muligheder for at forstå menneskelig bevægelse og handicap, skabe responsiv protese, og robotter, der kan interagere med komplekse og skiftende miljøer som rumforskning og søgning og redning.

"I dag, det tager ækvivalent af måneder eller år med træning for en robot at være klar til at interagere med verden, men vi ønsker at opnå hurtig læring og tilpasninger set i naturen, "sagde seniorforfatter Valero-Cuevas, der også har aftaler inden for datalogi, el- og computerteknik, mekanisk og rumfartsteknik og neurovidenskab ved USC.

Marjaninejad, en ph.d. -kandidat i Institut for Biomedicinsk Teknik ved USC, og papirets hovedforfatter, sagde dette gennembrud ligner den naturlige læring, der sker hos babyer. Marjaninejad forklarer, robotten fik først lov til at forstå sit miljø i en proces med frit spil (eller det, der er kendt som 'motorbabbel').

"Disse tilfældige bevægelser af benet tillader robotten at opbygge et internt kort over dets lem og dets interaktioner med miljøet, sagde Marjaninejad.

Papirets forfattere siger, at i modsætning til det mest aktuelle arbejde, deres robotter lærer-ved-gør, og uden nogen forudgående eller parallelle computersimuleringer til styring af læring.

Marjaninejad tilføjede også, at dette er særligt vigtigt, fordi programmører kan forudsige og kode for flere scenarier, men ikke for alle mulige scenarier-således er forudprogrammerede robotter uundgåeligt tilbøjelige til at mislykkes.

"Imidlertid, hvis du lader disse [nye] robotter lære af relevant erfaring, så finder de til sidst en løsning, der engang fundet, vil blive taget i brug og tilpasset efter behov. Løsningen er muligvis ikke perfekt, men vil blive vedtaget, hvis det er godt nok til situationen. Ikke hver enkelt af os har brug for eller ønsker - eller er i stand til at bruge tid og kræfter - på at vinde en olympisk medalje, ”Siger Marjaninejad.

Gennem denne proces med at opdage deres krop og miljø, robotlemmerne designet i Valero Cuevas 'laboratorium ved USC bruger deres unikke erfaring til at udvikle gangmønsteret, der fungerer godt nok for dem, producere robotter med personlige bevægelser. "Du kan genkende nogen, der kommer ned ad gangen, fordi de har et bestemt fodfald, ikke? "spørger Valero-Cuevas." Vores robot bruger sin begrænsede erfaring til at finde en løsning på et problem, der derefter bliver dets personlige vane, eller 'personlighed' - vi får den lækre rollator, den dovne rollator, mesteren ... navngiv det. "

De potentielle applikationer til teknologien er mange, især inden for hjælpemidler, hvor robotiske lemmer og eksoskeletter, der er intuitive og reagerer på en brugers personlige behov, ville være uvurderlige for dem, der har mistet brugen af ​​deres lemmer. "Exoskeletoner eller hjælpemidler skal naturligvis fortolke dine bevægelser for at imødekomme det, du har brug for, "Sagde Valero-Cuevas.

"Fordi vores robotter kan lære vaner, de kan lære dine vaner, og efterlign din bevægelsesstil for de opgaver, du har brug for i hverdagen - selvom du lærer en ny opgave, eller blive stærkere eller svagere. "

Ifølge forfatterne, forskningen vil også have stærke anvendelser inden for rumforskning og redningsmissioner, giver mulighed for robotter, der gør, hvad der skal gøres uden at blive ledsaget eller overvåget, når de begiver sig ud på en ny planet, eller usikkert og farligt terræn i kølvandet på naturkatastrofer. Disse robotter ville være i stand til at tilpasse sig lav eller høj tyngdekraft, løse sten en dag og mudder efter det regner, for eksempel.

Papirets to yderligere forfattere, doktorander Brian Cohn og Dario Urbina-Melendez vejede ind på forskningen:

"En arts evne til at lære og tilpasse deres bevægelser, efterhånden som deres kroppe og omgivelser ændrer sig, har været en stærk drivkraft for evolutionen fra starten, "sagde Cohn, en doktorand i datalogi ved USC Viterbi School of Engineering. "Vores arbejde udgør et skridt i retning af at give robotter mulighed for at lære og tilpasse sig fra hver oplevelse, ligesom dyr gør. "

"Jeg forestiller mig muskeldrevne robotter, i stand til at mestre, hvad et dyr tager måneder at lære, på få minutter, "sagde Urbina-Melendez, en ph.d. -kandidat i biomedicinsk teknik, der tror på evnen til robotteknologi til at tage fed inspiration fra livet. "Vores arbejde med at kombinere teknik, AI, anatomi og neurovidenskab er en stærk indikation på, at dette er muligt. "