Naukowcy uczą robota samodzielnego nawigowania w labiryncie

Podczas gdy procesory pełnią rolę mózgu komputera, są one fundamentalnie różne od ludzkiego mózgu. Tranzystory używają sygnałów elektrycznych do wykonywania operacji logicznych, podczas gdy mózg opiera się na komórkach nerwowych połączonych za pomocą synaps. Mózg używa tego sygnału do kontrolowania ciała i postrzegania otoczenia, a także używa procesu uczenia się do wyzwolenia reakcji układu ciało-mózg, gdy są postrzegane pewne bodźce.

Sterowanie robotem w labiryncie

Grupa naukowców zastosowała teraz tę podstawową zasadę uczenia się przez doświadczenie w uproszczonej formie i użyła jej do sterowania robotem w labiryncie za pomocą organicznego obwodu neuromorficznego.

Zespół był prowadzony przez Paschalis Gkoupidenisa, który jest liderem grupy w departamencie Paila Bloma w Max Planck Institute for Polymer Research. Praca była wynikiem współpracy między Uniwersytetami Eindhoven, Stanford, Brescia, Oxford i KAUST.

Artykuł został opublikowany w czasopiśmie Scientific Advances.

Imke Krauhausen jest doktorantką w grupie Gkoupidenisa i na Uniwersytecie Technicznym w Eindhoven, a także pierwszym autorem opublikowanego artykułu.

“Chcieliśmy użyć tego prostego układu, aby pokazać, jak potężne mogą być ‘organic neuromorphic devices’ w rzeczywistych warunkach,” powiedziała Krauhausen.

Naukowcy podali inteligentnemu adaptacyjnemu obwodowi sygnały sensoryczne pochodzące ze środowiska, aby osiągnąć nawigację robota w labiryncie. Na każdym skrzyżowaniu labiryntu wskazywano drogę do wyjścia, ale robot zwykle mylił się i podejmował złe decyzje, zanim nie zgubił się.

Stosowanie korektywnych bodźców

Gdy robot podejmował te złe decyzje i kończył się na ślepych drogach, był zniechęcony do podejmowania tych decyzji przez otrzymywanie korektywnych bodźców. Na przykład, jeśli robot uderzył w ścianę, korektywne bodźce były bezpośrednio stosowane w organicznym obwodzie za pomocą sygnałów elektrycznych wywołanych przez czujnik dotyku zamontowany na robocie.

Robot stopniowo uczył się podejmować właściwe decyzje przy każdym wykonaniu eksperymentu. To pomagało mu uniknąć otrzymywania korektywnych bodźców i ostatecznie znaleźć właściwą drogę wyjścia z labiryntu. Proces uczenia się odbywał się wyłącznie na organicznym adaptacyjnym obwodzie.

“Byliśmy bardzo zadowoleni, widząc, że robot może przejść przez labirynt po kilku przejściach, ucząc się na prostym organicznym obwodzie. Pokazaliśmy tutaj pierwszy, bardzo prosty układ. W odległej przyszłości jednak mamy nadzieję, że organiczne urządzenia neuromorficzne mogą być również używane do lokalnego i rozproszonego obliczania/uczenia. To otworzy całkowicie nowe możliwości dla aplikacji w rzeczywistych robotach, interfejsach człowiek-maszyna i diagnostyce w miejscu opieki. Oczekuje się również pojawienia się nowych platform dla szybkiego prototypowania i edukacji, na przecięciu nauki o materiałach i robotyki.” Gkoupidenis mówi.