발달 로봇 공학

Developmental robotics

후생유전로봇이라고도 불리는 Developmental Robotics(DevRob)는 구현된 기계에서 새로운 기술과 새로운 지식을 평생 개방적으로 학습할 수 있는 발달 메커니즘, 아키텍처 및 제약을 연구하는 것을 목적으로 하는 과학 분야입니다.인간의 자녀와 마찬가지로 학습은 누적되고 점차 복잡해질 것으로 예상되며, 사회적 상호작용과 결합하여 세상을 스스로 탐구하는 결과로 이어질 것이다.전형적인 방법론적 접근법은 발달 심리학, 신경과학, 발달 및 진화 생물학, 언어학 등의 분야에서 정교하게 기술된 인간과 동물 발달 이론에서 출발하여 로봇에서 공식화하고 실행하며, 때로는 그 확장이나 변형을 탐구하는 것으로 구성된다.로봇에서의 이러한 모델의 실험은 연구자들이 현실과 마주할 수 있게 하고, 그 결과 발달 로봇 공학은 인간과 동물의 발달 이론에 대한 피드백과 새로운 가설을 제공하기도 한다.

발달로봇은 진화로봇(ER)과 관련이 있지만 이와는 다르다.ER은 시간이 지남에 따라 진화하는 로봇 집단을 사용하는 반면 DevRob은 단일 로봇의 제어 시스템이 어떻게 시간이 지남에 따라 경험을 통해 발전하는지에 관심이 있습니다.

DevRob은 또한 로봇 공학 및 인공 생명체의 영역에서 수행된 작업과 관련이 있습니다.

배경

로봇이 아이처럼 배울 수 있을까요?설계 시 및 부분적으로 미지의 환경이나 변화하는 환경에서 지정되지 않은 다양한 새로운 기술과 지식을 습득할 수 있습니까?어떻게 하면 자신의 신체와 신체적, 사회적 환경과의 관계를 발견할 수 있을까요?"공장 밖으로" 나온 후 엔지니어의 개입 없이 어떻게 인지 능력이 지속적으로 발달할 수 있을까요?인간과의 자연스러운 사회적 상호작용을 통해 무엇을 배울 수 있을까요?발달 로봇학의 중심에 있는 질문들입니다.앨런 튜링은 사이버네틱스의 많은 다른 선구자들뿐만 아니라,[1] 이미 1950년에 이러한 질문과 일반적인 접근법을 공식화했지만,[2][3][4] 그들이 체계적으로 조사되기 시작한 것은 20세기 말부터이다.

적응형 지능형 기계의 개념은 발달 로봇학의 중심이기 때문에 인공지능, 기계학습, 인지 로봇공학 또는 컴퓨터 신경과학 등의 분야와 관계가 있습니다.그러나, 이러한 분야에서 상세하게 기술된 기술 중 일부를 재사용할 수도 있지만, 많은 관점에서 볼 때 이와는 다릅니다.그것은 진보된 상징적 추론의 능력을 가정하지 않고 추상적인 상징적 문제보다는 구체적이고 위치적인 감각 운동과 사회적 기술에 초점을 맞추고 있기 때문에 고전적인 인공지능과는 다르다.인지 로봇공학과는 다르다. 왜냐하면 인지 능력 자체보다는 인지 능력의 형성을 가능하게 하는 과정에 초점을 맞추고 있기 때문이다.이는 개발과 학습의 통합 아키텍처의 기능적 모델링에 초점을 맞추고 있기 때문에 컴퓨터 신경과학과는 다릅니다.보다 일반적으로 발달 로봇 공학은 다음과 같은 세 가지 특징으로 특징지어집니다.

  1. 작업 독립적인 아키텍처와 학습 메커니즘을 대상으로 합니다. 즉, 기계/로봇은 엔지니어가 모르는 새로운 작업을 학습할 수 있어야 합니다.
  2. 개방형 개발과 평생 학습, 즉 유기체가 지속적으로 새로운 기술을 습득할 수 있는 능력을 강조한다.이것은 "무엇이든" 또는 "모든 것"을 학습하는 능력으로 이해해서는 안 됩니다.단, 습득한 스킬의 집합은 적어도 (전부는 아니지만) 어떤 방향으로 무한히 확장될 수 있습니다.
  3. 습득한 지식과 기술의 복잡성은 점진적으로 증가해야 한다(그리고 증가폭은 제어되어야 한다).

발달 로봇 공학은 구현된 인공지능, 능동적이고 역동적인 시스템 인지 과학, 연결주의를 포함한 여러 연구 공동체의 기로에 섰다.학습과 발전은 뇌, 신체, 그리고 그들의 신체적, 사회적 환경 사이의 역동적인 상호작용의 자기 조직적인 결과로서 일어난다는 본질적인 생각에서 출발하여, 이 자기 조직이 어떻게 태스크에 의존하지 않는 복잡성 증가 기술의 평생 학습을 제공하기 위해 이용될 수 있는지 이해하려고 한다.오피멘탈 로보틱스는 발달 심리학, 발달 및 인지 신경 과학, 발달 생물학, 진화 생물학, 인지 언어학과 같은 분야와 강하게 상호작용합니다.이러한 과학에서 나온 많은 이론들이 구두 및/또는 서술적이기 때문에, 이것은 발달 로봇 공학에서 중요한 공식화 및 컴퓨터 모델링 활동을 의미한다.이러한 계산 모델은 보다 다재다능하고 적응적인 기계를 만드는 방법뿐만 아니라 일관성을 평가하고 생물학적 [4]발달을 이해하기 위한 대안적인 설명을 찾는 방법으로도 사용됩니다.

조사 방향

스킬 도메인

일반적인 접근법과 방법론 때문에 발달 로봇 프로젝트는 일반적으로 로봇이 인간의 유아와 같은 유형의 기술을 개발하도록 하는 데 초점을 맞추고 있습니다.조사 대상이 되는 첫 번째 카테고리는 감각 운동 기술의 습득입니다.여기에는 특히 어포던스의 발견과 학습에 초점을 맞춘 도구 사용뿐만 아니라 손-눈의 조정, 이동, 물체와의 상호작용과 같은 구조와 역학을 포함한 자신의 몸의 발견이 포함된다.개발 로봇이 목표로 하는 두 번째 기술 범주는 사회적 및 언어 능력입니다. 즉, 턴 테이킹, 조정된 상호작용, 사전, 구문 및 문법 등의 단순한 사회적 행동 게임을 습득하고 이러한 언어 기술을 감각 운동 기술(심볼 접지라고도 함)에 기초하는 것입니다.이와 동시에, 자기/비자기 구별의 출현, 주의 능력의 개발, 분류 시스템의 발전, 그리고 가치, 공감 또는 심리 이론의 출현의 기회나 사회적 구조의 높은 수준의 표현과 같은 관련 인지 기술의 습득이 조사되고 있다.

메커니즘과 제약

인간과 로봇이 사는 감각 운동과 사회적 공간은 매우 크고 복잡해서 잠재적으로 배울 수 있는 기술의 일부만이 실제로 일생 동안 탐험되고 배울 수 있다.따라서, 메커니즘과 제약은 발달 유기체의 발전과 복잡성 성장을 통제하기 위해 필요하다.이러한 지침 메커니즘과 제약 조건에는 인간 개발에서 영감을 받아 발달 로봇학에서 연구된 몇 가지 중요한 패밀리가 있다.

  1. 탐구 및 학습을 촉진하는 내부 보상 신호를 생성하는 동기 부여 시스템. 이는 크게 두 가지 유형으로 나눌 수 있습니다.
    • 외부 동기는 로봇/유기체가 식품 및 수위, 물리적 무결성 또는 빛과 같은 기본적인 특정 내부 특성을 유지하도록 한다(예: 광전자성 시스템).
    • 내재적 동기 부여는 로봇이 신규성, 도전성, 압축성 또는 학습 진행 자체를 검색하도록 하여 호기심 주도 학습 및 탐색 또는 대안적으로 능동적 학습 및 탐색이라고 불리는 것을 생성한다.
  2. 사회지도: 인간이 동료들과 상호작용함으로써 많은 것을 배울 수 있기 때문에 발달로봇은 로봇이 인간과 같은 사회적 상호작용에 참여할 수 있는 메커니즘을 조사한다.이는 사회적 신호를 인식하고 해석함으로써 로봇이 인간으로부터 (모방, 에뮬레이션, 자극 강화, 시연 등 다양한 수단을 통해) 배울 수 있고 자연스러운 인간 교육학을 촉발할 수 있다.따라서 개발 로봇의 사회적 수용도 조사한다.
  3. 통계적 추론 편견과 누적 지식/기술 재사용: 표현/암호화 및 추론 메커니즘을 특징짓는 편견은 일반적으로 학습의 효율성을 크게 개선할 수 있으므로 연구된다.이와 관련하여, 이전에 학습한 구조를 재사용하여 새로운 지식을 추론하고 새로운 기술을 습득할 수 있는 메커니즘도 중요한 연구 분야이다.
  4. 종종 동적 시스템으로 인코딩되는 기하학, 재료 또는 선천적인 운동 원시/시너지를 포함한 실시형태의 속성은 감각 운동 또는 사회적 기술의 습득을 상당히 단순화할 수 있으며, 때로는 형태학적 계산이라고도 한다.이러한 제약조건과 다른 제약조건의 상호작용은 중요한 조사 축이다.
  5. 성숙기 제약:인간의 영아는 태어날 때 이미 완전히 성장하기보다는 몸과 신경계가 점차적으로 성장한다.이는 예를 들어 학습과 개발이 진행됨에 따라 새로운 자유도와 사용 가능한 센서 운동 신호의 볼륨 및 분해능이 증가할 수 있음을 의미합니다.개발 로봇에서 이러한 메커니즘을 전환하고, 그것이 어떻게 새로운 복잡한 기술의 습득을 방해하거나 반대로 용이하게 할 수 있는지를 이해하는 것은 발달 로봇학의 핵심 질문이다.

바이오 모조품 개발에서 기능적 영감까지.

대부분의 개발 로봇 프로젝트는 동물과 인간의 발달 이론과 밀접하게 상호작용하지만, 확인된 생물학적 메커니즘과 로봇의 상대물 사이의 유사성과 영감의 정도와 모델링의 추상화 수준은 많이 다를 수 있다.일부 프로젝트에서는 기능 및 생물학적 구현(신경학적 또는 형태학적 모델) 모두를 정확하게 모델링하는 것을 목표로 하는 반면, 다른 프로젝트에서는 위에서 설명한 메커니즘과 제약조건의 기능적 모델링에만 초점을 맞추고 있으며, 예를 들어 적용된 수학에서 나온 아키텍처 기술에서 재사용할 수 있습니다.ics 또는 엔지니어링 분야.

오픈 질문

개발 로봇 공학은 비교적 새로운 연구 분야이며 동시에 매우 야심찬 분야이기 때문에, 해결해야 할 많은 근본적인 미해결 과제들이 남아 있습니다.

우선, 기존 기술은 실제 고차원 로봇이 평생 동안 점점 더 복잡해지는 기술의 무제한 레퍼토리를 학습할 수 있도록 하는 것과는 거리가 멀다.고차원 연속 센서 운동 공간은 해결해야 할 중요한 장애물이 된다.평생 누적 학습은 또 다른 것이다.사실, 지금까지 수일 이상 지속되는 실험은 없었다. 이것은 기존의 계산 메커니즘보다 엄청나게 강력한 뇌와 형태학을 갖추고 있는 인간 유아가 기본적인 감각 운동 기술을 배우는데 필요한 시간과 매우 대조적이다.

이 목표를 향해 나아가기 위해 탐색해야 할 전략 중 이전 섹션에서 설명한 메커니즘과 제약조건 간의 상호작용을 보다 체계적으로 조사해야 한다.사실, 그것들은 지금까지 주로 단독으로 연구되어 왔다.예를 들어, 본질적인 동기 부여 학습과 성숙에 의해 제약될 수 있는 사회 지도 학습의 상호작용은 조사해야 할 필수적인 문제이다.

또 다른 중요한 과제는 로봇이 인간-로봇 상호 작용 중에 비엔지니어 인간이 제공하는 멀티모달 사회적 신호의 다양성을 인지, 해석 및 활용할 수 있도록 하는 것이다.이러한 능력들은 지금까지 너무 제한적이어서 인간의 효율적인 범용 교육을 허용하기엔 너무 제한적이다.

인간 개발에 동일하게 적용되는 이해 및 해결되어야 할 근본적인 과학적 문제는 모든 수준의 감각 운동 및 사회 구조에서 구성성, 기능적 계층, 원시성 및 모듈성이 개발 중에 어떻게 형성되고 활용될 수 있는가 하는 것이다.이것은 언어 습득에 관한 "기호 접지 문제"라고 불리는 기호 출현의 문제와 깊은 관련이 있습니다.실제로 뇌에서 심볼의 존재와 필요성에 대한 의문이 활발하게 제기되고 있으며, 구성성과 기능적 위계를 허용하는 대체 개념이 여전히 연구되고 있다.

생물학적 후생생성 동안 형태학은 고정된 것이 아니라 감각 운동과 사회적 기술의 발달과 지속적인 상호작용으로 발전한다.형태학의 개발은 로봇에 명백한 실질적인 문제를 제기하지만, 형태발생학 로봇과 같이 적어도 시뮬레이션에서 더 탐구해야 할 중요한 메커니즘일 수 있다.

또 다른 미해결 문제는 발달 로봇 공학에 의해 조사된 핵심 현상(예: 계층적 및 모듈식 센서 운동 시스템, 내재/외부/사회적 동기 및 개방형 학습)과 기본 뇌 메커니즘 사이의 관계에 대한 이해이다.

마찬가지로 생물학에서 발달 메커니즘(온체 발생 시간 척도로 작동)은 번성하는 "evo-devo" 과학 [5]문헌에서 보여지듯이 진화 메커니즘(시스템 발생 시간 척도로 작동)과 밀접하게 상호작용한다.그러나 인공 유기체, 특히 발달 로봇에서 이러한 메커니즘의 상호작용은 아직 크게 연구되지 않았다.따라서 진화 메커니즘의 상호작용, 형태학 전개, 감각 운동 및 사회적 기술 개발은 발달 로봇학의 미래에 매우 자극적인 주제가 될 것이다.

주요 저널

주요 회의

  • 개발과 학습에 관한 국제회의: http://www.cogsci.ucsd.edu/ ~http/icdl/
  • 에피제네틱 로보틱스: https://www.lucs.lu.se/epirob/
  • ICDL-EpiRob: http://www.icdl-epirob.org/ (상기 2사는 2011년부터 가입)
  • 개발로봇: http://cs.brynmawr.edu/DevRob05/

NSF/DARPA 기금 지원 워크숍은 2000년 4월 5일부터 7일까지 미시간 주립대학에서 개최되었습니다.로봇과 동물의 정신 발달에 대한 컴퓨터 이해에 전념하는 최초의 국제 회의였다.개발 중에 에이전트가 활성화되기 때문에 "by"라는 용어를 사용했습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Turing, A.M. (1950). "Computing machinery and intelligence" (PDF). Mind. LIX. LIX (236): 433–460. doi:10.1093/mind/LIX.236.433.
  2. ^ Lungarella, M.; Metta, G.; Pfeifer, R.; Sandini, G. (2003). "Developmental robotics: a survey". Connection Science. 15 (4): 151–190. CiteSeerX 10.1.1.83.7615. doi:10.1080/09540090310001655110. S2CID 1452734.
  3. ^ Asada, M.; Hosoda, K.; Kuniyoshi, Y.; Ishiguro, H.; Inui, T.; Yoshikawa, Y.; Ogino, M.; Yoshida, C. (2009). "Cognitive developmental robotics: a survey". IEEE Transactions on Autonomous Mental Development. 1 (1): 12–34. doi:10.1109/tamd.2009.2021702. S2CID 10168773.
  4. ^ a b Oudeyer, P-Y. (2010). "On the impact of robotics in behavioral and cognitive sciences: from insect navigation to human cognitive development" (PDF). IEEE Transactions on Autonomous Mental Development. 2 (1): 2–16. doi:10.1109/tamd.2009.2039057. S2CID 6362217.
  5. ^ Müller, G. B. (2007). "Evo-devo: extending the evolutionary synthesis". Nature Reviews Genetics. 8 (12): 943–949. doi:10.1038/nrg2219. PMID 17984972. S2CID 19264907.

외부 링크

기술 위원회

학술기관 및 분야 연구자

관련 대규모 프로젝트

코스

2003년 봄에 Douglas Blank와 Lisa Meeden이 각각 Bryn Mawr College와 Swarthmore College에서 DevRob의 첫 학부 과정을 개설했습니다.2005년 가을에 Alexander Stoytchev에 의해 Iowa 주립 대학에서 DevRob의 첫 번째 대학원 과정이 제공되었습니다.