Skip to main content
European Commission logo
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS
Contenuto archiviato il 2024-05-27

Systemic Intelligence for GrowiNg up Artefacts that Live

Article Category

Article available in the following languages:

Insegnare ai robot a crescere

Insegnare ai robot e non solo programmarli è attualmente una delle idee più interessanti per il controllo dei robot. I ricercatori europei hanno sviluppato un metodo per aiutare i robot ad accrescere la loro base di conoscenze, consentendo loro di apprendere attraverso l'esperienza.

Economia digitale icon Economia digitale

L'obiettivo del consorzio SIGNAL era di sviluppare un dispositivo in grado di "crescere" da un sistema infantile a un'entità completamente matura. Per soddisfare questo obiettivo i partner di progetto hanno formato un'equipe interdisciplinare con gruppi di ricerca dei settori della tecnologia dell'informazione e delle scienze naturali. Hanno favorito lo "sviluppo" del robot combinando una strategia e una struttura, ovvero grazie all'architettura sistemica. "Crescere" e aumentare le conoscenze con l'apprendimento e l'esperienza è una caratteristica chiave degli esseri viventi. L'equipe ha addestrato un sistema di controllo dei robot usando una rete di un sistema immunitario artificiale basata su sistemi di associazione Rule-like (RLA). Le RLA si possono applicare con successo al controllo dei robot per addestrare il comportamento dei robot con un apprendimento potenziato. Le RLA costituiscono l'architettura del sistema gerarchico, che contribuisce alla "crescita". Ogni RLA contiene informazioni sull'ambiente del robot ed è costituita da tre parti. La RLA include una condizione sensoriale, C, un comando di azione, A, e una previsione dell'input sensoriale imminente, E. I ricercatori hanno generato RLA usando una memoria a breve termine, che salva brevi sequenze di informazioni sui recenti eventi sensoriali e motori significativi. Le informazioni contenute nella memoria a breve termine vengono usate come base per creare nuove RLA. Tuttavia, la RLA include una previsione E relativa alle conseguenze di un'azione. Pertanto, la RLA si può creare solo se il sistema ha le informazioni relative alle conseguenze E quando l'azione A è stata effettuata. Connettere le RLA in modo da creare una rete aumenta la quantità di conoscenze di un robot sul suo ambiente. Il robot, che possiede sensori a infrarosso ed è autonomo e mobile, è in grado di dimostrare diversi comportamenti, come seguire un muro o evitare ostacoli. I risultati indicano che i robot non si devono più programmare se vengono insegnati loro i compiti con i quali eseguire le azioni e giudicare il comportamento che ne risulta.

Scopri altri articoli nello stesso settore di applicazione