Как научить робота ходить?
Исследователи как младенчества, так и искусственного интеллекта (ИИ) заинтересованы в разработке систем, которые производят адаптивное, функциональное поведение.
Исследователи могут начать с младенцев - одной из самых гибких и производительных учебных машин в природе. Посредством наблюдений исследователи работают в обратном направлении, чтобы переконструировать основополагающие механизмы обучения младенцев и разработать формальные теории.
Эти теории, однако, часто трудно проверить экспериментально; контролируемая среда воспитания и режимы обучения заведомо медленные, обременительные, а в некоторых случаях и совершенно невозможные. Исследователи ИИ имеют преимущество построения моделей, но могут получить понимание процессов изменений путем изучения природных обучающих систем.
Здесь мы используем вычислительную мощь ИИ для тестирования неразрешимого в остальном вопроса развития:
Какой способ лучше всего развивает такие основные навыки, как ходьба?
Разнообразие в спонтанной ходьбе младенца: особенность или неисправность?
Разнообразие необходимо для функциональной работы. Движения должны быть приспособлены к изменяющимся ограничениям организма, окружающей среды и задач. Функциональная ходьба, например, - это очень творческий процесс. Для перехода от А к Б требуется нечто большее, чем чередующиеся движения ног. Ни один шаг никогда не повторяется точно так же или в точно таких же условиях. Для успешной навигации по окружающей среде ходьба должна постоянно изменяться в соответствии с изменениями условий - различными поверхностями (например, тротуарной или песчаной), изменением расположения (например, в горах или на ровной поверхности) и препятствиями на пути (например, беспорядок, перепады высот и другие движущиеся факторы).
Таким образом, функциональная ходьба требует ходить различными путями, чтобы адаптироваться к мгновенным изменениям в отношениях тела и окружающей среды.
Как кто-либо, не говоря уже о младенце, овладевает таким генеративным навыком? Какой тренировочный режим способствует приобретению гибкой, творческой, адаптивной моторики?
Декады исследований по развитию ходьбы сосредоточены на приобретении периодической походки - способности поддерживать стабильную скорость движения по прямой с помощью ряда чередующихся шагов. Поскольку линейная ходьба является "золотым стандартом", исследования в области обучения и реабилитации двигателей сосредоточены на одинаковых, чередующихся этапах обучения.
Хотя такая подготовка приводит к повышению силы и, по сути, к улучшению ходьбы по прямой, она мало что делает для улучшения функциональных, гибких, адаптивных навыков ходьбы, необходимых для навигации в реальных условиях.
Дети не могут воспроизводить движения ног последовательно, они не могут ходить быстро, они не могут ходить далеко, и они часто падают.
Как и для младенцев, для роботов функциональное движение в реалистичной физической среде (смоделированной или реальной) требует гибкости. В мире роботов успешную, функциональную работу опорно-двигательный системы оценивают на соревнованиях по футболу среди роботов.
Почему футбол?
Исторически сложилось так, что по-настоящему умный ИИ мог бы обыграть человека в шахматах, в мелких или в более сложных стратегических играх. Однако в 1997 году Deep Blue победила гроссмейстера шахмат и бывшего чемпиона мира по шахматам Гарри Каспарова.
Ученого нового поколения ИИ, решившего, что вместо изучения и применения набора правил, настоящий интеллект может выглядеть как нечто большее, чем генераторное, адаптивное, воплощенное моторное действие.
Для решения этой задачи они создали RoboCup - первое в мире соревнование по футболу среди роботов. Первоначально инициатива RoboCup предусматривала создание команды автономных гуманоидных роботов, которые к 2050 году могли бы обыграть чемпионов мира по футболу.
Футбольные соревнования являются хорошей мерой функциональной производительности, потому что игроки не могут просто вводить набор правил или просто создавать повторяющиеся движения. Видеть много "ходов", как в шахматы, недостаточно. Вместо этого футболисты должны предпринимать быстрые шаги во всех направлениях по криволинейным и резким поворотам - все это время меняется местоположение мяча, игроков обеих команд. Таким образом, роботы-футболисты, как и младенцы, должны учиться так, чтобы в постоянно меняющихся условиях они могли гибко и целенаправленно двигаться.
В заключении
Предыдущие исследования показали, что тренировочные роботы с разнонаправленными пешеходными дорожками уменьшают падения и увеличивают скорость и расстояние перемещения, что приводит к более плавным и быстрым поворотам по сравнению с тренировками по однонаправленной ходьбе. Тренировка роботов на пешеходных дорожках младенцев также может улучшить работу опорно-двигательного аппарата.