Usando modelos generativos hierárquicos para aprimorar o controle motor de robôs autônomos

Usando modelos generativos hierárquicos para aprimorar o controle motor de robôs autônomos

Tarefas de manipulação e locomoção para validar o modelo generativo hierárquico. aTarefa de manipulação, onde o robô pega a caixa (A), entrega (B) e por fim a envia acionando o botão (C). bUm pênalti, onde o robô se aproxima (A) da bola e chuta para o gol (B e C).

Para se movimentarem melhor no ambiente circundante e realizarem tarefas diárias, os robôs devem ser capazes de realizar movimentos complexos, coordenando eficazmente o movimento de membros individuais. Assim, roboticistas e cientistas da computação têm tentado desenvolver técnicas computacionais que possam replicar artificialmente o processo através do qual os humanos planejam, executam e coordenam os movimentos de diferentes partes do corpo.

Um grupo de pesquisa baseado no Intel Labs (Alemanha), University College London (UCL, Reino Unido) e VERSES Research Lab (EUA) decidiu recentemente explorar o controle motor de robôs autônomos usando modelos generativos hierárquicos, técnicas computacionais que organizam variáveis ​​em dados em diferentes níveis ou hierarquias, para então imitar processos específicos.

Seu artigo, publicado em Inteligência da Máquina da Naturezademonstra a eficácia desses modelos para permitir o controle motor inspirado no ser humano em robôs autônomos.

“Nosso artigo recente explora como podemos nos inspirar na inteligência biológica para formalizar o aprendizado e o controle dos robôs”, disse Zhibin (Alex) Li, autor correspondente do artigo, ao Tech Xplore.

“Isso permite o planejamento natural do movimento e o controle preciso dos movimentos de um robô dentro de uma estrutura coerente. Acreditamos que a evolução da inteligência motora não é uma combinação aleatória de diferentes habilidades. A estrutura do nosso córtex de visão, córtex de linguagem, córtex motor e e assim por diante, tem uma razão mais profunda e estrutural pela qual tal mecanismo para conectar diferentes caminhos neurais pode funcionar de forma eficaz e eficiente.”

O estudo recente do Assoc Prof Zhibin (Alex) Li e do ilustre neurocientista Prof Karl Friston FMedSci FRSB FRS inspira-se na pesquisa em neurociência, especificamente no que se sabe atualmente sobre inteligência biológica e controle motor em humanos. Usando o cérebro humano como referência, a equipe desenvolveu software, aprendizado de máquina e algoritmos de controle que poderiam melhorar a capacidade de robôs inteligentes autônomos de completar com segurança tarefas diárias complexas.

“Neste artigo, demonstramos isso com nossa extensa simulação, onde um robô humanóide de corpo inteiro é capaz de transportar caixas, abrir portas, operar instalações (por exemplo, correias transportadoras) dentro de um armazém, jogar futebol e até mesmo continuar a operação. sob danos físicos ao corpo do robô”, disse Li. “Nosso estudo demonstra o poder da natureza, onde a inspiração de como os diferentes córtex trabalham juntos em nosso cérebro pode ajudar no design de cérebros de robôs inteligentes”.

Como outros modelos generativos hierárquicos, a técnica desenvolvida por Li e seus colegas funciona organizando uma tarefa em diferentes níveis ou hierarquias. Especificamente, o modelo da equipe mapeia o objetivo de uma tarefa na execução de movimentos de membros individuais em diferentes escalas de tempo.

“Os modelos generativos prevêem as consequências de diferentes ações, ajudando assim a resolver diferentes tipos/níveis de planejamento e mapeando corretamente diferentes ações do robô, o que é bastante difícil e tedioso de fazer”, explicou Li.

“Por exemplo, carregar uma caixa de um lugar para outro irá naturalmente mapear um plano global e grosseiro de caminhada em direção ao destino, juntamente com um monitoramento mais próximo e um controle preciso do equilíbrio, bem como carregar as caixas e colocá-las – tudo isso essa coordenação complexa acontecerá naturalmente ao mesmo tempo usando nosso software.”

Os pesquisadores avaliaram sua abordagem em uma série de simulações e descobriram que ela permitiu que um robô humanóide completasse de forma autônoma uma tarefa complexa que envolve uma combinação de ações, incluindo caminhar, agarrar objetos e manipulá-los. Especificamente, o robô poderia recuperar e transportar uma caixa enquanto abria e passava por uma porta e chutava uma bola de futebol.

“Uma das descobertas mais notáveis ​​do nosso trabalho recente é que inspirar-se na natureza pode ser um bom ponto de partida”, disse Li.

“Podemos obter inspiração no nível organizacional da semelhança do nosso cérebro e orientar o design do cérebro do robô, em vez de começar um projeto de engenharia do zero. Há uma grande quantidade de trabalhos de engenharia que foram inventados independentemente do bio-inspirado abordagens e, no entanto, ainda não temos robôs inteligentes que possam realizar trabalhos de forma inteligente como nós, usando apenas pouca energia, como consumir pão e água. Em vez disso, hoje em dia, os robôs usam enorme poder e computação para fazer coisas simples.”

As descobertas iniciais recolhidas por Li e seus colegas são altamente promissoras, destacando o potencial dos modelos generativos hierárquicos para transferir capacidades humanas para robôs. Experimentos futuros em uma ampla gama de robôs físicos poderiam ajudar a validar ainda mais esses resultados.

“Neste ponto da história da humanidade, fizemos coletivamente uma enorme quantidade de trabalho para replicar separadamente diferentes tipos de inteligência de nível humano que sejam equivalentes a diferentes partes do cérebro humano”, acrescentou Li. “Agora, podemos nos inspirar no cérebro biológico em termos de estrutura e nível organizacional de funcionalidades em relação à forma como os diferentes córtices se coordenam entre si. Então podemos projetar um cérebro artificial baseado em como o cérebro humano funciona no nível funcional.”

O trabalho recente desta equipa de investigadores contribui para os esforços contínuos da IA ​​incorporada que visam aproximar as capacidades dos robôs das dos humanos. Li e seus colegas planejam continuar a implementar a abordagem proposta para habilidades motoras reais de robôs para tarefas complexas e maximizar seu potencial social.

“Este estudo nos leva a um caminho viável para a construção de AGI (inteligência artificial geral) com robôs e habilidades físicas incorporadas como uma nova forma de forças produtivas que podem levar nossa civilização a um futuro mais brilhante, sob uma governança boa e positiva da sociedade e comunidades científicas”, acrescentou Li. “Em nossos próximos estudos, continuaremos trabalhando para cumprir essa ambição”.

Mais Informações:
Kai Yuan et al, Modelagem generativa hierárquica para robôs autônomos, Inteligência da Máquina da Natureza (2023). DOI: 10.1038/s42256-023-00752-z

© 2023 Science X Network

Citação: Usando modelos generativos hierárquicos para melhorar o controle motor de robôs autônomos (2023, 10 de dezembro) recuperado em 10 de dezembro de 2023 em https://techxplore.com/news/2023-12-hierarchical-generative-motor-autonomous-robots.html

Este documento está sujeito a direitos autorais. Além de qualquer negociação justa para fins de estudo ou pesquisa privada, nenhuma parte pode ser reproduzida sem permissão por escrito. O conteúdo é fornecido apenas para fins informativos.



Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *