Con el fin de construir robots autónomos que pueden llevar a cabo un trabajo útil en entornos no estructurados nuevos enfoques han sido desarrollados para la construcción de sistemas inteligentes. La relación con la robótica académicas tradicionales y la inteligencia artificial tradicional se examina. En los nuevos enfoques de una estrecha conexión entre la detección de la acción produce arquitecturas de inteligencia que son redes de elementos computacionales simples que son muy amplios, pero no es muy profunda. Los últimos trabajos dentro de este enfoque ha demostrado el uso de representaciones, expectativas, planes, objetivos, y el aprendizaje, pero sin recurrir a los usos tradicionales del centro, representación abstracta manipulables o simbólica. Perception dentro de estos sistemas es a menudo un proceso activo, y la dinámica de las interacciones con el mundo es extremadamente importante. La cuestión de cómo evaluar y comparar el trabajo nuevo con el tradicional todavía provoca fuerte discusión

EL CAMPO DE LA INTELIGENCIA ARTIFICIAL (IA ) trata de hacer que las computadoras hagan cosas que , cuando se hace por la gente, se describen como tener la inteligencia indicada. El objetivo de la IA se ha caracterizado por tanto la construcción de sistemas inteligentes útiles y la comprensión de la inteligencia humana ( 1 ) . Desde los primeros días de AI ( 2 ) se han producido los pensamientos de la construcción de robots autónomos verdaderamente inteligentes. En los círculos académicos de investigación , el trabajo en la robótica ha influido en el trabajo de Al y viceversa ( 3 ) .

Durante los últimos 7 años, un nuevo enfoque a la robótica ha estado desarrollando en un número de laboratorios . En lugar de modularizar la percepción , el modelado del mundo , la planificación y la ejecución , el nuevo enfoque se basa sistemas de control inteligente que muchos módulos cada individuo genera directamente una parte del comportamiento del robot. En la forma más pura de este modelo, cada módulo incorpora su propia percepción , modelado y requisitos de planificación . Un esquema de arbitraje o la mediación , construido en el marco de los módulos , los controles de la cual el comportamiento productoras de módulo tiene el control de qué parte del robot en cualquier momento dado .

El trabajo se basa su inspiración de la neurobiología , la etología , la psicofísica y la sociología. El enfoque surgió de insatisfacciones con la robótica tradicionales y Al , que parecían incapaces de ofrecer un rendimiento en tiempo real en un mundo dinámico . La idea clave del nuevo enfoque es promover tanto la robótica y Al , considerando los problemas de la construcción de un agente autónomo que físicamente es un robot móvil autónomo y que lleva a cabo algunas tareas útiles en un entorno que no ha sido especialmente estructurado o diseñado para que .

Hay dos ideas centrales sutilmente diferentes que son cruciales y se han llevado a soluciones que utilizan módulos de comportamiento que producen :

• contextualización : Los robots se encuentran en el mundo que no se ocupan de las descripciones abstractas, sino con el " aquí" y "ahora" del entorno que influye directamente en el comportamiento del sistema .

• Realización : Los robots tienen cuerpos y experimentar el mundo directamente , sus acciones son parte de una dinámica con el mundo, y las acciones tienen una respuesta inmediata en las propias sensaciones de los robots .

Un sistema de reserva de avión se encuentra , pero no se materializa - se trata de miles de petición por segundo , y sus respuestas varían como sus cambios de base de datos , pero que interactúa con el mundo sólo a través de enviar y recibir mensajes . Una corriente

robot de pintura por pulverización generación industrial se materializa pero no está situada - que tiene una extensión física y sus rutinas de servo debe corregir para sus interacciones con la gravedad y el ruido presente en el sistema , pero no percibe ningún aspectos de la forma de un objeto se le ha presentado para la pintura y simplemente pasa a través de una serie de pre - programada de acciones .

Este nuevo enfoque de la robótica hace afirmaciones sobre cómo debería organizarse la inteligencia que son radicalmente diferente del enfoque asumido por la IA tradicional.

Los enfoques tradicionales

Aunque todos los campos de la visión por computador , robótica, y la IA tienen sus conferencias bastante separadas y las revistas especializadas, un pacto implícito entre los intelectuales ha desarrollado a lo largo de los años. Ninguno de estos campos es la ciencia experimental en el sentido de que la química , por ejemplo , puede ser una ciencia experimental . Más bien, hay dos formas en que los campos de proceder. Una de ellas es a través del desarrollo y la síntesis de los modelos de los aspectos de la percepción, la inteligencia, o la acción , y la otra es a través de la construcción de sistemas de demostración ( 4 ) . Es relativamente raro para un experimento

explícita que hacer . Más bien , los sistemas de demostración se utilizan para ilustrar un modelo en particular en funcionamiento . No hay ningún experimento de control con el que comparar , y muy poco de extracción de datos o el análisis cuantitativo . El pacto intelectual entre la visión por computador , robótica, y la IA se refiere a los supuestos que se pueden hacer en la construcción de sistemas de demostración . Establece convenios por lo que los componentes de un sistema totalmente situada y encarnada eventual pueden asumir el uno del otro . Estas convenciones coinciden con los utilizados en dos proyectos críticos de

1969/72 , que marcó la pauta para los próximos 20 años de investigación en visión por computador , robótica, y AI .

En el Instituto de Investigación de Stanford (ahora SRI International) un robot móvil llamado Shakey fue desarrollado ( 5 ) . Shakey habitaba un conjunto de habitaciones especialmente preparadas . Es navegable desde una habitación a otra , tratando de satisfacer un objetivo que se le da en un teletipo. Sería , en función del objetivo y las circunstancias, navegar alrededor de obstáculos consisten en grandes bloques y cuñas pintadas , empujarlos fuera del camino , o empujarlos a algún lugar deseado. Shakey tenía una cámara de televisión blackand - blanco a bordo como su sensor primario . Un equipo offboard analizó las imágenes y descripciones fusionados de lo que fue visto en un modelo de lógica simbólica existentes , picadura del mundo en la forma de cálculo de predicados de primer orden . Un programa de planificación , TIRAS , operado en las descripciones simbólicas del mundo para generar una secuencia de acciones para Shakey . Estos planes se han traducido en una serie de refinamiento en llamadas a acciones atómicas en los bucles de retroalimentación bastante apretados con operaciones de detección atómicas con otros sensores de Shakey , como la barra de un bache y odometría .

Shakey sólo trabajó por ingeniería cuidado del medio ambiente. Veinte años más tarde , sin robot móvil se ha demostrado que emparejan todos los aspectos de rendimiento de Shakey en un entorno más general , como un entorno de oficina . Las habitaciones en las que operaba Shakey estaban desnudas a excepción de los grandes bloques y cuñas de colores. Esto hizo que la clase de objetos que tenían que estar representados , muy simple. Las paredes eran de un color uniforme y cuidadosamente iluminados , con zócalos de goma negros , haciendo límites claros con el suelo de color más claro . Esto , significa que la visión muy simple y robusta de esquinas triedros entre dos paredes y el suelo podría ser utilizado para la relocalización de robot con el fin de corregir la deriva en las mediciones odométrica . Los bloques y cuñas se pintaron diferentes colores en diferentes superficies planas . Esto aseguró que era relativamente fácil , sobre todo en la buena iluminación proporcionada , para encontrar los bordes en las imágenes que separan las superficies y por lo tanto para identificar la forma del poliedro . Bloques y cuñas eran relativamente raros en el medio ambiente , la eliminación de los problemas debidos a oscurecimientos parciales .

En el MIT , un sistema de cámara y un brazo manipulador de robot se programaron para percibir un arreglo de bloques de madera de color blanco contra un fondo negro y para construir una copia de la estructura de bloques adicionales . Esto se llama el copy- demo ( 6 ) . Los programas para hacer esto eran muy específica al mundo de bloques con

lados rectangulares y no habrían trabajado en la presencia de objetos curvos simples , áspera textura de los bloques, o sin iluminación cuidadosamente controlada . Sin embargo , reforzó la idea de que una descripción tridimensional completa del mundo podría ser extraída de una imagen visual. Se legitima el trabajo de otros , como Winograd ( 7 ) , cuyos programas trabajado en un mundo de fantasía de los bloques , si un programa se puede construir lo que entiende como un mundo completo y podía también . manipular mundo que , a continuación, parecía que los programas que se supone que la abstracción de hecho podrían estar conectados con el mundo real y sin gran dificultad .

El papel de la visión por ordenador se " da una imagen de dos dimensiones, inferir los objetos que lo produjeron , incluyendo sus formas , posiciones, colores y tamaños " ( 8 ) . Esta actitud conduce a un énfasis en la recuperación de la forma tridimensional ( 9 ) , a partir de imágenes monocular y estéreo . Se construyeron un número de sistemas de reconocimiento y localización de demostración , tales como los de Brooks ( 10 ) y Grimson ( 11 ) , aunque tendían a no confiar en el uso de recuperación de la forma tridimensional .

El papel de la AI era tomar las descripciones del mundo (aunque no suele ser tan geométrica como la visión que parecía destinado a entregar, o como la robótica parecía necesario ) y manipularlos sobre la base de una base de datos de conocimiento sobre cómo funciona el mundo con el fin de resolver los problemas , hacer planes, y producir explicaciones . Estas aspiraciones de alto nivel Muy raramente se han encarnado en conexión con cualquiera de los sistemas de visión por ordenador o dispositivos robóticos .

El papel de la robótica era ocuparse de la interacción física con el mundo . Como robótica adoptó la idea de tener un modelo completo del mundo en tres dimensiones, una serie de subproblemas se convirtió en estándar . Uno era para planificar una ruta libre de colisiones a través del modelo de mundo por un brazo manipulador , o para un robot móvil , consulte el artículo de Yap ( 12) para un estudio de la literatura, el otro era para entender cinemática directa y dinámica dada por un conjunto de pares de conjuntos o de la rueda como funciones en el tiempo, lo que sería el recorrido de la mano de un robot o un organismo seguir. Un más útil , pero es más difícil , el problema es cinemática y dinámica - dado inversas una trayectoria deseada como una función de tiempo , por ejemplo, uno generado por un algoritmo de planificación de la trayectoria libre de

colisiones , calcular el conjunto de pares de conjuntos o de la rueda que se debe aplicar a seguir ese camino dentro de cierta precisión prescrita ( 13 ) .

Se hizo evidente después de un tiempo que perfecta -models del mundo no podrían ser obtenidos de sensores , o incluso bases de datos CAD. Algunos trataron de modelar la incertidumbre explícita ( 14 , 15) y encontraron las estrategias que funcionaron , en su presencia , mientras que otros se alejaron de las técnicas de la posición de base a la planificación basada en la fuerza , por lo menos en el mundo manipulador ( 16 ) . Ambiciosos planes de las bases para la combinación de muchos de los trabajos de investigación en los últimos años en un sistema unificado de planificación y ejecución de robots manipuladores ( 17 ), pero después de años de progreso teórico y la ingeniería impresionante a largo plazo , los sistemas más avanzados son rígidas ahora del ideal ( 18 ) .

Estos enfoques , junto con aquellos en el dominio robot móvil ( 19 , 20 ) , compartieron el marco sentido - modelo de planta - acto , donde una iteración a través del ciclo de frecuencia podría tomar 1-5 minutos o más ( 18 , 19 ) .

El nuevo enfoque

Impulsado por una insatisfacción con el desempeño de los robots en el trato con el mundo real, y se refería a que la complejidad de la modelización en tiempo de ejecución del mundo estaba yendo de las manos , un número de personas comenzó con cierta independencia en torno a 1984 repensar el problema general de la organización inteligencia . Parecía un requisito razonable que la inteligencia sea reactivo a los aspectos dinámicos de la ambiente , que un robot móvil operan en escalas de tiempo similares a las de los animales y los seres humanos , y que la inteligencia sea capaz de generar un comportamiento robusto en la cara de sensores inciertos , un impredecible medio ambiente, y en un mundo cambiante. Algunas de las realizaciones importantes sobre la organización de la inteligencia ha sido el siguiente :

• Agre y Chapman en el MIT afirmaron que la mayor parte de lo que la gente hace en sus vidas día a día no es la resolución de problemas o la planificación , sino que es la actividad rutinaria en un tiempo relativamente benigno , pero ciertamente dinámico mundo. Además las representaciones utiliza un agente de objetos en el mundo no necesita depender de nombrar los objetos con símbolos que el agente posee , sino más bien puede ser definido a través de interacciones de agente de troquel con el mundo ( 21 , 22 ) .

• Rosenschein y Kaelbling en SRI International ( y más tarde en Teleos Research) señalaron que un observador puede legítimamente hablar de creencias y objetivos de un agente , a pesar de que el agente no tiene que manipular las estructuras de datos simbólicos en tiempo de ejecución . la

especificación simbólica formal del diseño del agente puede ser compilado de distancia , produciendo programas de robot eficientes (23, 24 ) .

• Brooks del MIT sostiene que el fin de probar realmente las ideas de la inteligencia es importante agente de compilación completa que operan en entornos dinámicos utilizando sensores reales. Modelos mundiales internos que son representaciones completas del entorno externo , además de ser imposible de obtener , no son en absoluto necesarios para que los agentes actúan de una manera competente . Muchas de las acciones de un agente de la inteligencia son bastante separable coherente puede emerger de subcomponentes independientes que interactúan en el mundo ( 25-27) .

Todos los tres grupos produjeron implementaciones de estas ideas , utilizando como medio de expresión de una red de elementos computacionales simples , cableados juntos , la conexión de sensores a los actuadores , con una pequeña cantidad de estado mantenido durante ciclos de reloj .

Agre y Chapman demostraron sus ideas por medio de programas para videojuegos de construcción. El primer programa fue llamado Pengi y desempeñó un programa de videojuegos se ejecutan simultáneamente , con un protagonista y muchos oponentes que puede lanzar proyectiles peligrosos ( Fig. 1 ) . Hay dos componentes en la arquitectura del procesador visual de rutina ( VRP ), que proporciona la entrada al sistema, y una red de puertas lógicas estándar, que pueden clasificarse en tres componentes : Detectores de aspecto, suggestors acción, y árbitros . El sistema reproduce el juego desde el mismo punto de vista como un ser humano que juega un video juego, no desde el punto de vista de la protagonista en el juego. Sin embargo , en lugar de analizar un mapa de bits visual , el programa de Pengi se presenta con una versión icónica . La VRP implementa una versión de la teoría de las rutinas visual de Ullman ( 28 ), donde los marcadores de un conjunto de seis se colocan en ciertos iconos y los siguen . Los operadores pueden colocar un marcador en el rival más cercano, por ejemplo, y se hará un seguimiento de ese oponente , incluso cuando ya no es el más cercano. La colocación de estos marcadores fue el único estado en el sistema. Operadores de proyección permiten al jugador predecir las consecuencias de las acciones , por ejemplo , el lanzamiento de un proyectil. Los resultados de la VRP son analizados por la primera parte de la red central y describen ciertos aspectos del mundo . En la mente del diseñador, señales de salida designan cosas tales como " el protagonista se mueve ", " un proyectil

desde el norte está a punto de golpear la protagonista, " y así sucesivamente . La siguiente parte de la red toma combinaciones booleanas de tales señales para sugerir acciones , y la tercera etapa se utiliza un esquema de prioridad fija ( es decir, nunca aprende ) para seleccionar la siguiente acción . El uso de este tipo de representaciones deícticos fue un movimiento clave de distancia , desde el enfoque tradicional de AI de tratar sólo con las personas nombradas en el mundo ( por ejemplo , el oponente - 27 en lugar del deíctico el oponente - que -es- más cercano a - la protagonista, cuyo objetivo identidad puede cambiar con el tiempo ), y conducir a necesidades muy diferentes en el tipo de razonamiento que era necesario llevar a cabo bien en el mundo .

Rosenschein y Kaelbling usaron un robot llamado Flakey , que operaba en las áreas de oficina regulares y sin alteraciones de la ISR en las proximidades del ambiente especial para Shakey que se habían construido dos décadas antes. Su arquitectura se divide en una percepción de subred y una subred de acción. Las redes se construyen en última instancia, de puertas lógicas estándar y elementos de retardo ( con retroalimentación bucles éstos proporcionan a la red con el estado ), aunque el programador escribió en un nivel mucho más alto de abstracción , en términos de los objetivos que el robot debe tratar de satisfacer . Al especificar formalmente las relaciones entre los sensores y efectores y el mundo , y mediante el uso off -line cálculo simbólico , Rosenschein y lenguajes de alto nivel de Kaelbling se utilizaron para generar demostrablemente correcta programas en tiempo real para Flakey . La técnica puede estar limitado por la complejidad computacional del proceso de compilación simbólica como los programas se hacen más grandes y por la validez de sus modelos de sensores y actuadores .

Brooks desarrolló la arquitectura de subsunción , que deliberadamente cambió la modularidad del enfoque tradicional AI . La figura 2 muestra una descomposición vertical de tarea en el logro de los comportamientos en lugar de módulos de procesamiento de información . Esta arquitectura se ha utilizado en los robots que explorar, construir mapas , tienen un manipulador a bordo, caminar , interactuar con la gente, navegar visualmente , y aprender a coordinar los muchos comportamientos internos conflictivos. El sustrato de implementación consiste en redes de máquinas de estados finitos aumentados de paso de mensajes ( AFSMs ) . Los mensajes se envían a través de "cables" predefinidos de una transmisión específica a un AFSM recibir específica . Los mensajes son números simples ( típicamente 8 bits ) cuyo significado depende de los diseños de tanto el transmisor como el receptor . Un AFSM tiene registros adicionales que tienen el mensaje de entrada más reciente sobre ningún cable en particular. Los registros pueden tener sus valores alimentan a un circuito combinatorio local para producir nuevos valores para los registros o para proporcionar un mensaje de salida . La red de AFSMs

es totalmente asíncrona , pero AFSMs individuales pueden tener monoestables duración determinada que se proporcionan para tratar con el flujo del tiempo en el mundo exterior . La

competencia del comportamiento del sistema se mejora mediante la adición de más comportamiento de la red específica a la red existente . Este proceso se llama estratificación . Esta es una analogía simplista y crudo con el desarrollo evolutivo. Al igual que con la evolución, en cada etapa del desarrollo se prueban los sistemas . Cada una de las capas es una pieza de producción de comportamiento de la red en su propio derecho , aunque puede depender implícitamente en la presencia de piezas anteriores de red . Por ejemplo , una capa de explorar no tiene que evitar de manera explícita los obstáculos , ya que el diseñador sabe que la capa evitar existente se hará cargo de ella. Un esquema de arbitraje de prioridad fija se utiliza para manejar los conflictos .

Estas arquitecturas son radicalmente diferentes de los utilizados en la comunidad de robótica en el momento . No hubo modelo central del mundo representada explícitamente dentro de los sistemas . No se produjo separación implícita de los datos y el cálculo - ambos fueron distribuidos en la misma red de elementos . No hubo punteros , y no hay manera fácil de ponerlas en práctica , ya que es en los programas simbólicos. Cualquier espacio de búsqueda tenía que ser limitada en tamaño a priori, como nodos de búsqueda no se pueden crear y destruir dinámicamente durante el proceso de búsqueda . No hubo locus de control central . En general , la separación en el sistema de percepción , sistema central , y el sistema de accionamiento era mucho menos clara que en los enfoques anteriores , y de hecho en estos sistemas no había un entrelazamiento íntimo de los aspectos de los tres de estas capacidades . No hubo

. figura 1 . El sistema de Pengi ( 21 ) jugó un videojuego llamado Pengo . El sistema de control consistía en una red de puertas lógicas , organizado en un sistema visual , un sistema central , y un sistema de motor . El único estado estaba dentro del sistema visual . La red en el sistema central se organiza en tres componentes: un detector aspecto de subred , una acción Suggestor subred , y un árbitro subred.

. figura 2 . La descomposición tradicional por un sistema de control inteligente dentro de la IA es el proceso de ruptura en una cadena de módulos de procesamiento de información (arriba ) procedente de la detección a la acción. En el nuevo enfoque ( parte inferior ) es la descomposición en términos de módulos de comportamiento de generación de cada uno de los cuales conecta a la acción de detección . Las capas se añaden incrementalmente , y nuevas capas pueden depender de capas anteriores que operan con éxito , pero no los llaman como subrutinas explícitas .

noción de un proceso que llama a otro como subrutina . Más bien , las redes se han diseñado para que los resultados de los cálculos simplemente estar disponible en el lugar adecuado cuando sea necesario . El límite entre la computación y el mundo era más difícil de dibujar como los sistemas dependían en gran medida de la dinámica de sus interacciones con el mundo para producir sus resultados. Por ejemplo , a veces una acción física por el robot daría lugar a un cambio en el mundo que se percibe y causar la siguiente acción , en contraste con ejecutar directamente las dos acciones en secuencia .

La mayor parte del trabajo robótica basada en el comportamiento que se ha hecho con robots físicos implementados . Algunos se ha hecho exclusivamente en el software ( 21 ), no como una simulación de un robot físico, sino más bien como un experimento computacional en un hacer creer dominio completo para explorar ciertos aspectos críticos del problema. Esto contrasta con la robótica tradicional en muchas manifestaciones se llevan a cabo sólo en simulaciones de software de los robots .

Áreas de Trabajo

Tal vez inspirado por este primer trabajo y también por ( 29 ) Sociedad vez más teórica de las ideas de Minsky mente en la organización de la mente humana , varios grupos de todo el mundo han seguido enfoques basados en el comportamiento a la robótica en los últimos años . El siguiente es un estudio de parte de ese trabajo y lo relaciona con las cuestiones y problemas fundamentales para el campo.

Una de las deficiencias de los enfoques anteriores a la robótica y la AI era que el razonamiento era tan lento que los sistemas que se construyeron no podían responder a un mundo real dinámico. Una característica clave de los nuevos enfoques de la robótica es que los programas se construyen con conexiones cortas entre sensores y actuadores , por lo que es creíble , al menos en principio , para responder rápidamente a los cambios en el mundo .

La primera demostración de la arquitectura de subsunción estaba en el robot Allen ( 25 ) . El robot fue casi totalmente reactiva, usando lecturas de sonda para mantener lejos de traslado de personas y otros obstáculos en movimiento , aunque no chocar con obstáculos estáticos. También tenía una capa de nivel superior no reactivo que seleccione el objetivo de dirigirse hacia , y luego proceder en esa dirección, mientras que la capa reactiva nivel inferior se encargó de evitar obstáculos. Por lo tanto, combina las capacidades no reactivos con los reactivos . Más importante aún , se utiliza exactamente el mismo tipo de mecanismo de cálculo para hacer las dos cosas . En mirando a la red de las capas combinadas no había ninguna partición obvia en componentes inferiores y superiores de nivel basado en el tipo de información que fluye en las conexiones , o las máquinas de estados finitos que eran los elementos computacionales . Sin duda, había una diferencia en la función entre las dos capas , pero no había necesidad de introducir ningún centralización o explícitas representaciones para lograr un proceso de nivel posterior , superior que tiene influencia útil y eficaz a través de una , el nivel más bajo antes.

La arquitectura de subsunción era generalizada ( 30 ) de modo que algunas de las conexiones entre elementos de procesamiento podría implementar un bus de la retina , un cable que transmite imágenes parcialmente procesados de un sitio a otro dentro del sistema . Se aplica operadores en diferencias simples , y la región de cultivo de las técnicas , para segmentar el campo visual en las partes móviles e inmóviles , y en el suelo y nonfloor partes . Ubicación , pero no la identidad de las regiones segmentadas , se utiliza para implementar la navegación de imagen basado en coordenadas . Todas las técnicas visuales eran conocidos por ser muy poco fiables en las imágenes individuales de niveles de gris , pero por haber técnicas redundantes que operan en paralelo y la velocidad de conmutación entre ellos , se logró robustez . El robot fue capaz de seguir a los corredores y los objetos en movimiento en tiempo real, con muy pocos recursos computacionales para los estándares de visión por computador módem.

Esta idea de utilizar redundancia sobre muchas imágenes es en contraste con el enfoque en la investigación de la visión por ordenador tradicional de tratar de extraer la máxima cantidad de información a partir de una sola imagen , o un par de imágenes . Esto condujo a tratar de obtener mapas de profundidad completa en un campo de visión de un solo par de imágenes estéreo . Ballard ( 31 ) señala que los seres humanos no hacen esto, sino servo sus dos ojos a punto sobre un punto determinado y luego extraer información relativa profundidad sobre ese punto . Con este y muchos otros ejemplos que señala que un sistema de visión activa , es decir, uno con el control de sus cámaras , puede trabajar de forma natural en coordenadas centrado en el objeto , mientras que un sistema de visión pasiva , es decir, uno que no tiene control sobre su cámaras, está condenado a trabajar en coordenadas espectador centrado . Un gran esfuerzo se está llevando a Rochester para explotar la visión basada en el comportamiento o animada . Dickmanns

y Graefe ( 32 ) en Munich han utilizado redundancia de múltiples imágenes y múltiples ventanas que rastrean características relevantes entre las imágenes , mientras que prácticamente ignorando el resto de la imagen , para controlar la conducción de un camión en una autopista a más de

100 kilómetros por hora .

Aunque anterior a la atención a los robots basados en el comportamiento , robots saltando de Raibert ( 33 ) se adaptan a su espíritu. Robots andantes tradicionales se les da una trayectoria deseada para su cuerpo y, a continuación movimientos apropiados piernas se calculan . En uno, dos y máquinas de cuatro patas de Raibert , que descompone el problema en controlar independientemente la altura de salto de una pierna , su velocidad hacia adelante, y la actitud corporal. El movimiento del cuerpo del robot emerge de las interacciones de estos bucles y el mundo . Usando subsunción , Brooks programado un robot de seis patas , Genghis (Fig. 3 ) , caminar en terreno irregular ( 34 ) . En este caso , las capas de conductas realizadas por primera vez la capacidad de ponerse de pie , y luego de caminar sin retroalimentación después de ajustar para el terreno y los obstáculos en bruto, por medio de la fuerza de respuesta , entonces para modular de este alojamiento basado en la distancia y inclinómetros roll. La trayectoria para que el cuerpo no se especifica explícitamente , ni hay ningún tipo de control jerárquico. El robot se desplaza con éxito todo terreno con muy poco cálculo. La figura 4 muestra el diagrama de cableado de los 57 aumentada máquinas de estados finitos que lo controlaban .

Ha habido una serie de experimentos basados en el comportamiento con robots manipuladores . Connell ( 35 ) usa una colección de 17

AFSMs para controlar un brazo con dos grados de libertad montados sobre una base móvil . Cuando aparcó delante de una lata de refresco , ya sea a nivel del suelo o sobre una mesa , el brazo fue capaz de encontrar fiable y recogerlo , a pesar de sí el desorden por delante y por debajo de la lata , usando sus sensores locales para dirigir su buscar .

. figura 3 . Genghis es un robot de seis patas mide 35 centímetros de largo. Cada pata rígida está unida a una articulación del hombro con dos grados de libertad de rotación , cada uno conducido por un avión de la posición del motor servo controlable modelo . Los sensores son cabeceo y balanceo inclinómetros, dos antenas colisión sensible , seis prospectivas sensores infrarrojos piroeléctrico pasivos, y las mediciones de fuerza de crudo de los bucles de cada servo motor. Hay

cuatro microprocesadores de ocho bits a bordo , tres de los cuales se ocupan de motor y señales de los sensores y uno de los cuales se ejecuta la arquitectura de subsunción .

Todos los AFSMs tenían valores de los sensores como único insumos y , como salida , el actuador , los comandos que luego pasaron a través de una red de arbitraje prioridad fija para controlar el brazo y la mano . En este caso , no había comunicación entre los AFSMs , y el sistema era completamente reactiva a su entorno . Malcolm y Smithers ( 36 ) a Edimburgo reportan un sistema de montaje híbrido . Un planificador tradicional AI produce planes para un manipulador de robot para montar los componentes de algún artefacto , y un sistema basado en el comportamiento ejecuta los pasos del plan . La idea clave es dar planificador primitivas sólidas mayores que pueden hacer algo más que realizar movimientos simples , lo que hace el problema más fácil la planificación .

La representación es un tema fundamental en la IA tradicional. Mataric en el MIT ha introducido recientemente representaciones activas en la arquitectura de subsunción ( 37 ) . Subredes idénticas de AFSMs son las unidades de representación. En experimentos con un officeenvironment navegar robot basado en sonar llamado Toto, puntos de referencia fueron transmitidos al sustrato representativo como es que los hay . Una subred previamente asignado se convertiría en la representación de ese hito , y luego tomar el cuidado de señalar las relaciones topológicas locales , la creación de expectativas que el robot se movió a través del espacio encontrado anteriormente , la difusión de la energía de activación para la ruta de planificación para múltiples

metas , y dirigir el movimiento del robot durante meta - comportamiento de búsqueda cuando está en las inmediaciones de la señal . En este enfoque, las representaciones y las formas en las que se utilizan son inseparables - todo sucede en las mismas unidades de computación dentro de la red .. Nehmzow y Smithers ( 38 ) a Edimburgo también han experimentado con la inclusión de representaciones de puntos de referencia , pero sus robots operados en un mundo más simple de los armarios de madera contrachapada. Usaron las redes de auto-organización para representar el conocimiento del mundo , y la influencia adecuada sobre el curso actual del robot. Además , el grupo de Edimburgo ha realizado una serie de experimentos con la reactividad de los robots, y con dinámicas de grupo entre los robots que utilizan un sistema de prototipado rápido Lego basado en que han desarrollado .

Muchos de los primeros enfoques basados en el comportamiento utilizado un esquema de prioridades fija para decidir qué conducta podría controlar un actuador particular, en qué momento. En Hughes , un esquema de votación alternativa fue producido ( 39 ) para permitir que un robot para tomar ventaja de las salidas de muchos comportamientos simultáneamente . En Bruselas un esquema para la activación selectiva y la desactivación de los comportamientos completos fue desarrollado por Maes ( 40 ) , sobre la base de la difusión de activación dentro de la propia red . Este sistema fue desarrollado en el MIT y permite programar Toto entre otros robots . En particular, se utiliza para proporcionar un mecanismo de aprendizaje en las Genghis robot de seis patas , para que pueda aprender a coordinar sus comportamientos de elevación de piernas, con base en la retroalimentación negativa de caer ( 41 ) .

Muy recientemente se ha trabajado en IBM ( 42 ) y la Investigación Teleos ( 43 ) utilizando Q - 1earning ( 44 ) para modificar el comportamiento de los robots . Parece que hay inconvenientes con el tiempo de convergencia de estos algoritmos , pero se necesita más experimentación en sistemas reales.

Un número de investigadores de robótica tradicionales ( 45 ) y AI (46, 47 ) han adoptado las filosofías de los enfoques basados en el comportamiento como la parte inferior de los dos sistemas de nivel como - se muestra en la figura .

5 . La idea es permitir que un sistema basado en el comportamiento reactivo a cuidar de los problemas en tiempo real que participan en la interacción con el mundo, mientras que un sistema más tradicional de AI se encuentra en la parte superior , la toma de decisiones ejecutivas a más largo plazo que afectan a las políticas ejecutadas por el nivel inferior. Otros ( 48 ) sostienen que puramente basada en el comportamiento de sistemas son todo lo que se necesita.

evaluación

Ha sido difícil evaluar el trabajo realizado bajo la bandera de los nuevos enfoques de la robótica. Sus defensores han argumentado a menudo sobre la base del rendimiento de los sistemas construidos dentro de su estilo. Pero el rendimiento es difícil de evaluar, y ha habido muchas críticas que el enfoque es a la vez inmoral y no escala bien . El argumento sin principios proviene de las comparaciones con la robótica académicos tradicionales , y el argumento de escala proviene de la IA tradicional. Ambas disciplinas se han establecido, pero los criterios informales de lo que hace un trabajo de investigación buena y respetable.

Robótica académicas tradicionales ha trabajado en un dominio algo perfecto. Hay modelos CAD- como de los objetos. y robots , y un modelado de la física como las cosas interactúan (16). Gran parte del trabajo es en el desarrollo de algoritmos que garantizan ciertas clases de resultados en el mundo modelado. Verificaciones en ocasiones se realizan con robots reales ( 18 ), pero por lo general estos ensayos están en ninguna parte cerca tan complicados como los ejemplos que se pueden manejar en la simulación . El punto de conflicto parece estar en lo bien que los experimentadores son capaces de convencer a los robots físicos para que coincida con la física de los robots simulados.

Para los nuevos enfoques de la robótica, sin embargo, donde se hace hincapié en la comprensión y la explotación de la dinámica de las interacciones con el mundo , tiene sentido para medir y analizar los sistemas , ya que se encuentran en el mundo. De la misma manera etología moderna ha prosperado mediante el estudio de los animales en su hábitat natural , no sólo en cajas de Skinner. Por ejemplo , un sensor en particular , en las condiciones experimentales ideales , puede tener una resolución en particular . Supongamos que el sensor es un sonar . luego medir su resolución un experimento , se creará en el que se detecta una señal de retorno desde el artículo de prueba , y la resolución se compara con las mediciones de distancia efectuadas con una regla o algún dispositivo similar. El experimento podría hacerse por un número de diferentes tipos de superficie . Pero cuando el sensor está instalado en un robot móvil, situada en un mundo que cambia dinámicamente desordenado , las señales de retorno que llegan al sensor pueden provenir de muchas fuentes posibles . El objeto más cercano que el sensor no puede estar hecho de uno de los materiales probados . Puede ser en un ángulo tal que el impulso sonar actúa como si se tratara de un espejo , y así el sonar ve un reflejo secundario . Los lóbulos secundarios de la sonda pueden detectar algo en una situación desordenada , donde no existía tal interferencia en el experimentales limpio

situación . Uno de los puntos principales de los nuevos enfoques de la robótica es que estos efectos son muy importantes en el comportamiento general de un robot. Ellos también son extremadamente difíciles de modelar . Así que el enfoque tradicional de la robótica de la prueba de la corrección de un modelo abstracto puede ser algo sin sentido en los nuevos enfoques. Tenemos que encontrar la manera de formalizar nuestra comprensión de la dinámica de las interacciones con el mundo, para que podamos construir herramientas teóricas que nos permitirán hacer predicciones sobre el rendimiento de los nuevos robots .

En IA tradicional hay muchas clases de contribuciones de la investigación ( a diferencia de la implementación de la aplicación ) . Dos de los más populares se describen aquí . Una de ellas es proporcionar un formalismo que es consistente para un cierto nivel de descripción de algún aspecto del mundo , por ejemplo , física cualitativa , interacciones estereotipados entre los

altavoces, o categorizaciones o taxonomías de los animales . Esta clase de trabajo no implica necesariamente ningún resultado en particular , teoremas, o los programas de trabajo que se consideren adecuados , el formalismo es la importante contribución . Una segunda clase de investigación toma una representación de entrada de algunos aspectos de la situación en el mundo y hace una predicción. Por ejemplo , podría ser en la forma de un plan para efectuar algún cambio en el mundo , en la forma del dibujo de una analogía con algún esquema en una biblioteca con el fin de deducir un hecho no evidentes , o que podría estar en la forma de ofrecer algunos consejos a nivel de expertos . Estas contribuciones de la investigación no tienen que ser probados en sistemas situados - hay un acuerdo implícito entre los investigadores acerca de lo que es razonable "contar " los sistemas en los datos de entrada .

. figura 4 . La red de subsunción para controlar Genghis consiste en

57 aumentada máquinas de estado finito , con "cables" que los unen que pasan enteros pequeños como mensajes . Los elementos sin bandas en la parte superior se repite seis veces, una para cada pierna. La red fue construida incremental a partir de la esquina inferior derecha , y se añadieron nuevas capas , más o menos hacia la esquina superior izquierda , lo que aumenta el repertorio de comportamiento en cada etapa .

En los nuevos enfoques hay un sentimiento mucho más fuerte que los robots deben encontrar todo lo que fuera de su mundo particular, por sí mismos. Esto no quiere decir que un conocimiento a priori no se puede incorporar en un robot , sino que debe ser no específica a la ubicación particular en la que se pondrá a prueba el robot . Teniendo en cuenta las capacidades actuales de la percepción ordenador , esto obliga a los robots basados en el comportamiento para operar en mucho más incierto y mucho más gruesamente descrito mundos de los sistemas de IA tradicionales que operan en simulados , mundos imaginados . Los nuevos sistemas pueden por lo tanto parecen tener mucho más limitadas capacidades. Yo diría ( 48 ) , sin embargo, que los sistemas tradicionales operan de una manera que nunca será transportable a los mundos reales que los robots basados en el comportamiento situados ya habitan.

Los nuevos enfoques de la robótica han cosechado un gran interés , y muchos . la gente está empezando a trabajar en sus diversos aspectos . Algunos están tratando de construir sistemas que utilizan sólo los nuevos enfoques , otros están tratando de integrarlos con el trabajo existente, y por supuesto hay mucho trabajo permanente en el estilo tradicional. La comunidad está dividida sobre el enfoque adecuado , y más trabajo necesita ser hecho para hacer comparaciones con el fin de entender mejor los asuntos .

. figura 5 . Un número de proyectos implica la combinación de un sistema reactivo , la vinculación sensores y actuadores con un sistema tradicional de AI que hace razonamiento simbólico con el fin de ajustar los parámetros del componente situado