Skip to main content

A Biomimetic Learning Control Scheme for control of Modular Robots

Article Category

Article available in the folowing languages:

Roboty przyszłości powstaną dzięki wykorzystaniu robotycznego systemu pozwalającego na zrozumienie działania mózgu

Móżdżek, który stanowi ośrodek odpowiedzialny za koordynację ruchową i równowagę, sprawia, że niektórzy z nas są lepsi od innych w zadaniach ruchowych, takich jak uprawianie sportu czy pisanie na klawiaturze. Europejscy naukowcy korzystają z osiągnięć robotyki w celu lepszego poznania tego obszaru naszego mózgu, aby zwiększyć stopień rozwoju i zaawansowania platform robotycznych.

Gospodarka cyfrowa

Dzięki naśladowaniu mechanizmów uczenia się zachodzących w naszych móżdżkach możemy lepiej poznać biologiczne fundamenty czynności takich jak uderzanie lub kopanie piłki, ponieważ ten organ w kształcie liścia odpowiada na bodźce ze środowiska, pozyskując informacje na ich temat z sygnałów sensoryczno-motorycznych. W ramach projektu BIOMODULAR powstał nowatorski obliczeniowy model uczenia się robotów modułowych inspirowany biologią. „Dzięki połączeniu technik uczenia maszynowego z impulsowym, modułowym móżdżkiem udało nam się opracować proces, który prowadzi do powstawania długotrwałej pamięci motorycznej, tworząc w ten sposób sieć, którą określamy mianem sieci uczenia móżdżkowo-maszynowego (CML)”, wyjaśnia dr Silvia Tolu, koordynatorka i badaczka projektu. Coraz lepsze umiejętności uderzania piłki Wyjaśniając osiągnięcia projektu BIOMODULAR, dr Tolu dodała: „Nie staraliśmy się bezpośrednio budować elementów robotycznych charakteryzujących się doskonałymi osiągami, a zamiast tego skupiliśmy się na systemach, które są w stanie dostosowywać się do warunków i uczyć się na podstawie doświadczenia i faktycznego treningu, polegającego na przykład na manipulowaniu przedmiotami, dzięki czemu mogą zwiększać swoje osiągi i efektywność”. Roboty, które powstały dzięki temu rozwiązaniu, są niezwykle elastyczne i sprawdzają się doskonale w przypadku wielu różnych zadań i scenariuszy. Co więcej, układ sterujący może dostosować się do robota i zoptymalizować jego osiągi na każdym etapie. W ramach projektu naukowcy zbudowali inspirowane biologią pętle sterowania, które wykorzystywały założenia sieci CML, a następnie przetestowali je z wykorzystaniem zarówno symulowanych, jak i prawdziwych robotów, a także neuromorficznego urządzenia SpiNNaker, wykonującego różnorodne zadania charakteryzujące się zmienną kinematyką i dynamiką. Osiągniętym sukcesom towarzyszą jednak nowe wyzwania, a zastosowana platforma SpiNNaker ujawniła szereg wad i niedociągnięć. Obecnie nie jest możliwe kodowanie różnych zasad plastyczności obejmujących te same neurony. „Ten obszar stanowi przedmiot trwających badań i działań rozwojowych, a kiedy tylko stanie się to możliwe, powstanie impulsowa sieć móżdżkowa z trzema zasadami plastyczności wdrożona w formie układu scalonego”, wyjaśnia dr Tolu. Roboty nowej generacji Projekt BIOMODULAR zajmował się promowaniem rozwoju adaptacyjnych systemów uczenia się wykorzystujących impulsowe sieci neuronowe i mechanizmy uczenia maszynowego. Dzięki szerokim możliwościom zastosowania opracowanych rozwiązań w robotyce lepsze zrozumienie działania ludzkiego mózgu wspomoże projektowanie wiarygodnych schematów kontroli inspirowanych biologią, które mogą zostać uogólnione i wdrożone w przypadku każdego robota, niezależnie od warunków. „W rzeczywistości naśladowanie biologicznej funkcjonalności ośrodkowego układu nerwowego może doprowadzić do powstania autonomicznych, inteligentnych robotów, które będą stanowiły kolejny przełom w robotyce”, wskazuje dr Tolu. Powstałe w ten sposób roboty przyszłości, przypominające w pewnym stopniu maszyny z dzieł Isaaca Asimova oraz filmu „Ja, robot”, jednak nieco mniej zaawansowane, będą w stanie pracować w rzeczywistych środowiskach charakteryzujących się pewnym stopniem niepewności lub zmienności, podobnie jak robią to organizmy żywe, wykorzystując w tym celu paradygmaty kontroli wychodzące poza zakres konwencjonalnych algorytmów kontrolujących, pozwalające na samodzielną adaptację, naukę oraz rozpoznawanie warunków. Dzięki temu rozwiązaniu roboty będą w stanie pracować bezpiecznie w pobliżu ludzi i wspomagać ich w różnych dziedzinach, nie tylko w ściśle kontrolowanych halach produkcyjnych. Samodzielnie uczące i dostosowujące się roboty następnej generacji mogą funkcjonować bezpiecznie w otoczeniu ludzi. Tego rodzaju postęp technologiczny miałby olbrzymi wpływ na technologię, w szczególności dzięki opracowaniu systemów autonomicznych na potrzeby robotów wspierających, zmieniając w ten sposób kształt naszego społeczeństwa. Powrót do teraźniejszości Podejście opracowane w ramach projektu BIOMODULAR zmniejsza ilość danych wymaganych przez system kontroli, co pozwoliło na opracowanie systemu kontroli działającego w czasie rzeczywistym, który może samodzielnie nauczyć się, jak wykonywać określone czynności fizyczne i dostosowywać się do zmieniających się, czasem nawet trudnych, warunków. „Dzięki temu nie będzie już potrzebne dostosowywanie robotów do konkretnych zastosowań”, podkreśla dr Tolu. Korzyści płynące z wykorzystania nowego adaptacyjnego, predykcyjnego systemu sterowania do wykonywania pożądanych zadań i produktywnych zachowań będą dotyczyły wszystkich robotów, niezależnie od ich rodzaju. „Wykorzystując to podejście, finansowany dzięki działaniu »Maria Skłodowska-Curie« projekt BIOMODULAR kontynuuje prace nad badaniem modułowej struktury móżdżku i udziału tego narządu w przetwarzaniu danych sensorycznych w celu wykonywania zadań związanych z kontrolą ruchu”, podsumowuje dr Tolu.

Słowa kluczowe

BIOMODULAR, robot, móżdżek, modułowy, uczenie maszynowe, system sterowania, sensoryczny, sieć CML

Znajdź inne artykuły w tej samej dziedzinie zastosowania