Robotyka kognitywna

Cognitive Robotics lub Cognitive Technology to poddziedzina robotyki zajmująca się wyposażeniem robota w inteligentne zachowanie poprzez zapewnienie mu architektury przetwarzania, która pozwoli mu uczyć się i rozumować, jak się zachować w odpowiedzi na złożone cele w złożonym świecie. Robotykę kognitywną można uznać za gałąź inżynierii ucieleśnionej kognitywistyki i ucieleśnionego poznania osadzonego , na którą składają się robotyczna automatyzacja procesów , sztuczna inteligencja , uczenie maszynowe , głębokie uczenie się , optyczne rozpoznawanie znaków , przetwarzanie obrazu , eksploracja procesów, analityka , tworzenie oprogramowania i integracja systemów .

Podstawowe kwestie

Podczas gdy tradycyjne podejście do modelowania kognitywnego zakładało symboliczne schematy kodowania jako sposób przedstawiania świata, tłumaczenie świata na tego rodzaju reprezentacje symboliczne okazało się problematyczne, jeśli nie nie do utrzymania. Percepcja i działanie oraz pojęcie reprezentacji symbolicznej są zatem kluczowymi zagadnieniami, którymi należy się zająć w robotyce kognitywnej.

Punkt wyjścia

Robotyka kognitywna postrzega poznanie ludzi lub zwierząt jako punkt wyjścia do rozwoju robotycznego przetwarzania informacji, w przeciwieństwie do bardziej tradycyjnych technik sztucznej inteligencji . Docelowe zdolności poznawcze robotów obejmują przetwarzanie percepcji, alokację uwagi, przewidywanie , planowanie, złożoną koordynację ruchową, wnioskowanie na temat innych agentów, a być może nawet na temat własnych stanów psychicznych. Robotic cognition ucieleśnia zachowanie inteligentnych agentów w świecie fizycznym (lub w świecie wirtualnym, w przypadku symulowanej robotyki kognitywnej). Ostatecznie robot musi być w stanie działać w realnym świecie.

Techniki uczenia się

Bełkot silnika

Główny artykuł: bełkot silnika

Wstępna technika uczenia robota, zwana bełkotem motorycznym , obejmuje korelację pseudolosowych złożonych ruchów motorycznych robota z wynikającymi z tego wizualnymi i/lub słuchowymi sprzężeniami zwrotnymi, tak że robot może zacząć oczekiwać wzorca sprzężenia zwrotnego sensorycznego, biorąc pod uwagę wzorzec wyjścia motorycznego. Pożądane sensoryczne sprzężenie zwrotne może być następnie wykorzystane do informowania o sygnale sterowania silnikiem. Uważa się, że jest to analogiczne do tego, jak dziecko uczy się sięgać po przedmioty lub uczy się wydawać dźwięki mowy. W przypadku prostszych systemów robotów, w których można na przykład wykorzystać kinematykę odwrotną do przekształcenia przewidywanego sprzężenia zwrotnego (pożądanego wyniku silnika) na moc wyjściową silnika, ten krok można pominąć.

Imitacja

można zastosować technikę uczenia się przez naśladowanie . Robot monitoruje działanie innego agenta, a następnie próbuje naśladować tego agenta. Często wyzwaniem jest przekształcenie imitacji złożonej sceny w pożądany rezultat ruchowy robota. Należy zauważyć, że imitacja jest formą zachowania poznawczego wysokiego poziomu, a naśladownictwo niekoniecznie jest wymagane w podstawowym modelu ucieleśnionego poznania zwierzęcego.

Pozyskiwanie wiedzy

Bardziej złożonym podejściem do uczenia się jest „autonomiczne zdobywanie wiedzy ”: robot jest pozostawiony do samodzielnej eksploracji środowiska. Zwykle przyjmuje się system celów i przekonań.

Nieco bardziej ukierunkowany tryb eksploracji można osiągnąć za pomocą algorytmów „ciekawości”, takich jak inteligentna ciekawość adaptacyjna lub motywacja wewnętrzna oparta na kategoriach. Algorytmy te zazwyczaj polegają na podziale danych sensorycznych na skończoną liczbę kategorii i przypisaniu każdej z nich pewnego rodzaju systemu przewidywania (takiego jak sztuczna sieć neuronowa ). System przewidywania śledzi błąd w swoich przewidywaniach w czasie. Redukcja błędu przewidywania jest uważana za uczenie się. Następnie robot preferencyjnie bada kategorie, w których uczy się (lub zmniejsza błąd przewidywania) najszybciej.

Inne architektury

Niektórzy badacze robotyki kognitywnej próbowali wykorzystać architektury takie jak ( ACT-R i Soar (architektura kognitywna) ) jako podstawę swoich programów robotyki kognitywnej. Te wysoce modułowe architektury przetwarzania symboli zostały wykorzystane do symulacji wydajności operatora i wydajności człowieka podczas modelowania uproszczonych i symbolizowanych danych laboratoryjnych. Chodzi o to, aby rozszerzyć te architektury, aby obsługiwały dane sensoryczne w świecie rzeczywistym, ponieważ dane te stale rozwijają się w czasie. Potrzebny jest sposób, aby jakoś przetłumaczyć świat na zbiór symboli i ich relacji.

pytania

Niektóre z fundamentalnych pytań, na które wciąż trzeba odpowiedzieć w robotyce kognitywnej, to:

  • Ile programowania ludzkiego powinno lub może być zaangażowane, aby wspierać procesy uczenia się?
  • Jak można określić ilościowo postęp? Jednym z przyjętych sposobów jest nagroda i kara. Ale jaka nagroda i jaka kara? U ludzi, na przykład ucząc dziecko, nagrodą byłby cukierek lub zachęta, a kara może przybierać różne formy. Ale jaki jest skuteczny sposób z robotami? [ potrzebne źródło ]

Książki

Książka Cognitive Robotics autorstwa Hoomana Samaniego przyjmuje podejście multidyscyplinarne, obejmujące różne aspekty robotyki kognitywnej, takie jak sztuczna inteligencja, aspekty fizyczne, chemiczne, filozoficzne, psychologiczne, społeczne, kulturowe i etyczne.

Zobacz też

Linki zewnętrzne

Pobrano z „ https://en.wikipedia.org/w/index.php?title=Cognitive_robotics&oldid=1129303135 ”