Măduva spinării virtuale este în mod constant îmbunătățită – ScienceDaily

Cercetătorii de la Institutul Max Planck pentru Sisteme Inteligente (MPI-IS) din Stuttgart au efectuat un studiu de cercetare pentru a afla cum animalele învață să meargă și învață din împiedicare. Au construit un robot cu patru picioare, cam de mărimea unui câine, care i-a ajutat să descopere detaliile.

„Ca ingineri și robotici, am căutat răspunsul prin construirea unui robot care are reacții la fel ca un animal și care învață din greșeli”, spune Felix Robert, fost doctorand în cadrul Dynamic Motion Research Group de la MPI-IS. „Dacă un animal se împiedică, este o greșeală? Nu dacă se întâmplă o dată. Dar dacă se împiedică în mod repetat, ne oferă o măsură a cât de bine poate merge robotul”.

Felix Robert este primul autor al cărții „Învață să potriviți plasticul cu dinamica robotului în generatoarele de modele cu centru închis”, care va fi publicat pe 18 iulie 2022 în Nature Machine Intelligence.

Algoritmul de învățare îmbunătățește măduva spinării virtuale

După ce a învățat să meargă în doar o oră, robotul lui Robert folosește bine mecanica complexă a picioarelor. Algoritmul de optimizare bayesian ghidează învățarea: informațiile măsurate ale senzorului piciorului sunt corelate cu datele țintă dintr-o măduvă spinării virtuală tipică care rulează ca un program în computerul robotului. Robotul învață să meargă comparând în mod constant informațiile transmise și așteptate ale senzorului, operand bucle de inversare și adaptând modelele de control al motorului.

Algoritmul de învățare adaptează parametrii de control ai generatorului central de modele (CPG). La oameni și animale, acești generatori de modele centrale sunt rețele de neuroni din măduva spinării care produc contracții periodice ale mușchilor fără aport de la creier. Rețelele centrale generatoare de modele ajută la generarea de sarcini ritmice, cum ar fi mersul pe jos, clipirea sau digestia. În plus, reflexele sunt acțiuni involuntare de control motor care sunt declanșate de căi neuronale foarte codificate care conectează senzorii din picior la măduva spinării.

Atâta timp cât animalul tânăr merge pe o suprafață perfect plană, dispozitivele CPG pot fi suficiente pentru a controla semnalele de mișcare de la măduva spinării. Cu toate acestea, prezența unei mici denivelări pe sol schimbă mersul. Inițiați reacții și modificați tiparele de mișcare pentru a preveni căderea animalului. Aceste modificări instantanee ale semnalelor de mișcare sunt reversibile sau „flexibile”, iar modelele de mișcare revin la configurația inițială după perturbare. Dar dacă animalul nu încetează să se poticnească în timpul multor cicluri de mișcare – în ciuda reflexelor active – modelele de mișcare trebuie reînvățate și făcute „plastice”, adică ireversibile. La animalul nou-născut, CPG-urile nu sunt stabilite inițial suficient de bine și animalul se împiedică, atât pe teren plat, cât și pe teren denivelat. Dar animalul învață rapid cum reflexele îi controlează mușchii și tendoanele picioarelor.

Același lucru este valabil și pentru un câine robot de mărimea unui Labrador, numit „Murty”. Mai mult, robotul își îmbunătățește tiparele de mișcare mai repede decât animalul, în aproximativ o oră. CPG-ul lui Morti este simulat pe un computer mic, ușor, care controlează mișcarea picioarelor robotului. Această măduvă spinării virtuală este plasată pe spatele robotului patruped unde va fi capul. În timpul orei necesare robotului pentru a merge lin, datele senzorului de la picioarele robotului sunt comparate în mod continuu cu atingerea așteptată, prezisă de CPG-ul robotului. Dacă robotul se împiedică, algoritmul de învățare modifică cât de departe se balansează picioarele înainte și înapoi, cât de repede se balansează picioarele și lungimea piciorului pe sol. Mișcarea modificată afectează, de asemenea, cât de bine poate folosi robotul mecanica compatibilă a picioarelor. În timpul procesului de învățare, CPG-ul trimite semnale de mișcare modificate, astfel încât robotul să se împiedice de acum înainte și să-și îmbunătățească mersul. În această setare, măduva spinării virtuale nu are cunoștințe clare despre designul piciorului, motoarelor și arcurilor robotului. Neștiind nimic despre fizica mașinilor, îi lipsește un „model” de robot.

„Robotul nostru practic sa născut și nu știe nimic despre anatomia piciorului sau despre cum funcționează”, explică Robert. „CPG-ul este ca inteligența de mers automată încorporată oferită de natură pe care am transformat-o în robot. Calculatorul produce semnale care controlează motoarele picioarelor, iar robotul inițial merge și se împiedică. Datele curg înapoi de la senzori la virtual. măduva spinării unde sunt comparate datele senzorului și ale CPG. Dacă datele senzorului nu se potrivesc cu datele așteptate, algoritmul de învățare modifică comportamentul de mers, astfel încât robotul să meargă bine și fără să se poticnească. Modificarea ieșirii CPG în timp ce menține feedback-ul activ iar monitorizarea poticnirii robotului este o parte esențială a procesului de învățare.”

Controlul câinilor robot cu economie de energie

Computerul lui Morty consumă doar cinci wați în timp ce merge pe jos. Roboții industriali cvadrupli de la producători de seamă, care au învățat să opereze cu ajutorul unor controlere complexe, sunt și mai amânați de energie. Controlerele lor sunt codificate cu cunoștințele despre masa exactă a robotului și geometria corpului – folosind un model al robotului. De obicei, acestea consumă câteva zeci, până la câteva sute de wați. Ambele tipuri de roboți funcționează dinamic și eficient, dar consumul de putere de calcul este mult mai mic în modelul Stuttgart. De asemenea, oferă perspective importante asupra anatomiei animalelor.

„Nu putem căuta cu ușurință măduva spinării unui animal viu. Dar putem modela unul într-un robot”, spune Alexander Badri Sprovitz, care a fost coautor al publicației împreună cu Robert și care conduce Dynamic Locomotion Research Group. „Știm că CPG-urile sunt prezente la multe animale. Știm că feedback-ul este implicat; dar cum le combinăm cele două astfel încât animalele să învețe mișcări cu reacții și CPG-uri? Aceasta este o cercetare fundamentală la intersecția dintre robotică și biologie. Modelul robotic ne oferă răspunsul la întrebări la care biologia singură nu le poate răspunde.