Zwierzęce ruchy w robotyce

fot. pixabay

Na Uniwersytecie Carnegiego i Mellonów naukowcy opracowują nowe, oparte na sztucznej inteligencji podejście do odkrywania, w jaki sposób mózgi i ciała zwierząt współdziałają ze sobą. Przekształcając złożone systemy biologiczne w modele, które można testować i udoskonalać, zespół dąży do zrozumienia i odtworzenia wydajności zwierząt w systemach robotycznych.

Jednym z celów naukowców jest opracowanie modeli neuromechanicznych, które symulują, jak sygnały neuronowe i ruch fizyczny nieustannie się ze sobą przeplatają. Modele te są wydajne, ale trudne w realizacji, ponieważ przy ogromnej liczbie parametrów nawet najmniejszy błąd w obliczeniach może prowadzić do dużych rozbieżności między symulowanym zachowaniem a tym, co naukowcy obserwują u prawdziwych zwierząt.

- Systemy biologiczne są niezwykle złożone - powiedziała Camila Fernandez, biorąca udział w projekcie - Staramy się modelować system, w ramach którego wszystkie parametry są ze sobą powiązane i nie zawsze jest jasne, który element musimy dostosować, gdy wyniki nie odpowiadają przewidywaniom.

Aby temu zaradzić, zespół opracował usystematyzowany i oparty na danych model. Tradycyjnie ulepszanie tego typu układów w dużej mierze polegało na tym, że eksperci ręcznie modyfikowali parametry, przeprowadzali eksperymenty, a następnie porównywali wyniki w ramach niezwykle czasochłonnego cyklu. Nowa metoda wprowadza algorytm uczenia się przez wzmacnianie, który działa jak cyfrowy bliźniak modelu z wbudowanym przewodnikiem.

Do tej pory zespół zweryfikował swoje podejście, wykorzystując modele obliczeniowe i analogi robotów. Chociaż bezpośrednie porównanie zwierząt z robotami fizycznymi w czasie rzeczywistym pozostaje wyzwaniem, zespół planuje zbadać, jak można zastosować nowe ramy w odniesieniu do robotów fizycznych. Docelowo celem naukowców jest przyspieszenie realizacji nowych odkryć.

Badania zostały opublikowane na łamach npj Robotics.

(rr)