Robot autonomi motivati ad apprendere
In un contesto sconosciuto e in continua evoluzione, un robot autonomo dev'essere in grado di reagire istantaneamente ai cambi e agli eventi inaspettati, in modo da evitare collisioni e aggiornare la sua mappa. Per spostarsi con successo il robot deve reagire immediatamente, dapprima in risposta alle informazioni dei suoi sensori e poi in base alle sue mappe interne dell'ambiente circostante. Un comportamento intelligente di questo tipo è, a parte gli altri prerequisiti, una conseguenza diretta dell'architettura del sistema, combinata con uno schema di apprendimento e adattamento affinato individualmente in base all'esperienza acquisita. Con il coordinamento dell'università di Bonn, i partner del progetto SIGNAL hanno voluto progettare un'architettura sistemica che permettesse a robot autonomi di svilupparsi grazie a una sequenza di abilità apprese. L'architettura sistemica proposta era stata organizzata in una gerarchia di strati, corrispondenti a differenti livelli delle capacità del robot e divisi in base al percorso dell'informazione. I dati ottenuti dai sensori principali vengono elaborati per ricavare informazioni sull'ambiente circostante grazie a una catena di riconoscimenti di schemi e moduli di categorizzazione, fino al momento in cui viene generata l'informazione simbolica. Il flusso d'informazioni passa attraverso vari livelli per fornire i dati di base dei sensori a processi di elaborazione dell'informazione più complicati, prima che i risultati vengano messi a disposizione dei moduli di comando. Vengono poi trasmessi agli attuatori del robot gli opportuni comandi sui compiti che il sistema intelligente deve svolgere e sullo "stato interno" del sistema. Mentre il robot si muove nell'ambiente che lo circonda, vengono generati i grafici d'interconnessione dei successivi dati dei sensori che rappresentano gli oggetti del mondo reale, sfruttando le varie azioni eseguite. Queste associazioni topologiche dell'ambiente circostante possono creare le mappe interne necessarie per spostarsi e pianificare le azioni. I moduli individuali all'interno di ogni livello del sistema sono inoltre adattivi e capaci di apprendere le loro rispettive funzionalità grazie ai paradigmi elaborati dalle reti neurali, l'apprendimento macchina, i sistemi immunitari artificiali e l'apprendimento psicologico. A differenza dei sistemi convenzionali, progettati per acquisire capacità a grappolo, il metodo di mappatura sensore-attuatore permette ai dispositivi tecnici di acquisire funzionalità derivate dall'apprendimento.
