Roboten lär sig att förstå sig själv utan mänskligt stöd

Ingenjörer vid Columbia University School of Engineering and Applied Science har skapat den första roboten som kan lära sig en modell av sin helhet från scratch, allt utan mänskligt stöd. 

Studien publicerades i Science Robotics. 

Att lära roboten

Forskarna visade hur roboten kan skapa en kinematisk modell av sig själv och använda en självmodell för att planera rörelse, nå mål och undvika hinder i en mängd olika situationer. Den kunde också automatiskt känna igen och kompensera för skador på sin kropp. 

En robotarm placerades innanför en cirkel av fem strömmande videokameror, och roboten tittade på sig själv genom kamerorna medan den rörde sig fritt. Den rörde sig och böjde sig för att lära sig exakt hur dess kropp rörde sig i svar på olika motorbefall, och efter tre timmar slutade den till slut. Robotens interna djupa neuronnätverk lärde sig sedan relationen mellan robotens motoråtgärd och den ockuperade volymen i dess miljö. 

Hod Lipson är professor i maskinteknik och chef för Columbias Creative Machines Lab. 

“Vi var verkligen nyfikna på hur roboten föreställde sig sig själv,” sa Lipson. “Men du kan inte bara titta in i ett neuronnätverk, det är en svart låda.” 

Forskarna arbetade med flera visualiseringstekniker innan självbilden långsamt uppkom. 

“Det var en sorts mjukt flimrande moln som tycktes omge robotens tredimensionella kropp,” fortsatte Lipson. “När roboten rörde sig följde det flimrande molnet den mjukt.” 

Robotens självmodell var exakt till cirka 1% av dess arbetsyta.

Potentiella tillämpningar och framsteg

Genom att möjliggöra för robotar att modellera sig själva utan mänskligt stöd kan experter uppnå en mängd olika framsteg. För det första sparar det arbete och tillåter roboten att övervaka sin egen slitage och skador, upptäcka och kompensera för eventuella skador. Författarna säger att denna förmåga kommer att hjälpa autonoma system att bli mer självständiga. Ett exempel de ger är en fabriksrobot, som kunde använda denna förmåga för att upptäcka att något inte rörde sig rätt innan den begärde hjälp. 

Boyuan Chen är studiens första författare. Han ledde arbetet och är nu biträdande professor vid Duke University. 

“Vi människor har tydligt en uppfattning om oss själva,” sa Chen. “Stäng ögonen och försök att föreställa dig hur din egen kropp skulle röra sig om du skulle utföra någon åtgärd, till exempel sträcka armarna framåt eller ta ett steg bakåt. Någonstans inuti vår hjärna har vi en uppfattning om oss själva, en självmodell som informerar oss om den volym av vår omedelbara omgivning som vi upptar, och hur den volymen förändras när vi rör oss.”

Lipson har arbetat i åratal för att hitta nya sätt att ge robotar någon form av denna självmedvetenhet. 

“Självmodellering är en primitiv form av självmedvetenhet,” förklarade han. “Om en robot, djur eller människa har en exakt självmodell, kan den fungera bättre i världen, den kan fatta bättre beslut och den har en evolutionär fördel.”

Forskarna erkände de olika begränsningarna och riskerna som är förknippade med att ge maskiner autonomi genom självmedvetenhet, och Lipson ser till att säga att den specifika typen av självmedvetenhet i denna studie är “försumbar jämfört med den hos människor, men man måste börja någonstans. Vi måste gå långsamt och försiktigt, så att vi kan skörda fördelarna medan vi minimerar riskerna.”