Les chercheurs donnent aux IA robotiques un comportement spontané

Les chercheurs et les roboticiens tentent continuellement de réaliser des fonctions autonomes dans les robots, et ils regardent souvent vers le cerveau animal comme point d’inspiration pour les mécanismes de contrôle. En raison de la nature spécifique aux tâches du comportement robotique, due à la dépendance à l’égard de modules et de méthodologies de contrôle prédéfinis, ils sont souvent limités en flexibilité.

Le dernier développement dans ce domaine provient de l’Université de Tokyo, où les chercheurs ont créé une méthode alternative basée sur l’apprentissage automatique pour donner aux IA robotiques des comportements spontanés. L’équipe a réalisé cela en s’appuyant sur des modèles temporels complexes, tels que les activités neuronales du cerveau animal.

La recherche a été publiée dans Science Advances, intitulée “Conception de commutation de comportement spontané via itinérance chaotique.”

Chaos à haute dimension

Un système dynamique est un modèle mathématique des états internes changeants de quelque chose, qui décrit les robots et leurs logiciels de contrôle. Les chercheurs se concentrent particulièrement sur le chaos à haute dimension, une classe de systèmes dynamiques, en raison de sa capacité impressionnante à modéliser les cerveaux animaux.

En raison de la complexité et de la sensibilité aux conditions initiales variables, le chaos à haute dimension est particulièrement difficile à contrôler. Pour faire progresser le domaine et surmonter cet obstacle, les chercheurs du Laboratoire des systèmes intelligents et de l’informatique, et du Centre de recherche sur l’intelligence artificielle de nouvelle génération à l’Université de Tokyo, ont développé de nouvelles façons d’utiliser le chaos à haute dimension pour fournir aux robots des fonctions cognitives similaires à celles des humains.

Katsuma Inoue est un étudiant doctoral travaillant sur la recherche.

“Il y a un aspect du chaos à haute dimension appelé itinérance chaotique (CI) qui peut expliquer l’activité cérébrale lors de la récence et de l’association,” a déclaré Inoue. “En robotique, la CI a été un outil clé pour mettre en œuvre des modèles de comportement spontanés. Dans cette étude, nous proposons une recette pour mettre en œuvre la CI de manière simple et systématique, en utilisant uniquement des modèles de série chronologique complexes générés par le chaos à haute dimension. Nous pensons que notre approche présente un potentiel pour des applications plus robustes et polyvalentes lors de la conception d’architectures cognitives. Cela nous permet de concevoir des comportements spontanés sans aucune structure explicite prédéfinie dans le contrôleur, qui serait autrement un obstacle.”

Qu’est-ce que le calcul de réservoir (RC) ?

L’équipe s’est fortement appuyée sur le calcul de réservoir (RC), une technique d’apprentissage automatique impliquant la théorie des systèmes dynamiques. Le RC est utilisé pour contrôler les réseaux de neurones récurrents (RNN), et il maintient la plupart des connexions d’un RNN fixes tout en modifiant uniquement quelques paramètres. Cela diffère des autres approches d’apprentissage automatique, qui modifient souvent légèrement toutes les connexions neuronales dans un réseau neuronal, et cela se traduit par la possibilité de former le système plus rapidement.

Les chercheurs ont obtenu le résultat souhaité en appliquant les principes du RC à un RNN chaotique, et il a fini par démontrer des modèles de comportement spontanés. La formation du réseau se déroule rapidement et avant l’exécution.

“Les cerveaux animaux produisent un chaos à haute dimension dans leurs activités, mais la façon et la raison pour lesquelles ils utilisent le chaos restent inexpliquées. Notre modèle proposé pourrait offrir des informations sur la façon dont le chaos contribue au traitement de l’information dans nos cerveaux,” a déclaré Kohei Nakajima, professeur associé à l’université. “De plus, notre recette aurait un impact plus large en dehors du domaine des neurosciences, car elle pourrait potentiellement être appliquée à d’autres systèmes chaotiques. Par exemple, les dispositifs neuromorphes de nouvelle génération inspirés des neurones biologiques pourraient présenter un chaos à haute dimension et seraient d’excellents candidats pour mettre en œuvre notre recette. J’espère que nous verrons des mises en œuvre artificielles de fonctions cérébrales avant trop longtemps.”

Le développement est important pour les domaines de la robotique et de l’intelligence artificielle (IA), car les chercheurs ont été aux prises avec ce défi depuis un certain temps. Il s’agit du dernier exemple de la façon dont les domaines progressent à un rythme rapide.