Este artículo tiene varios problemas. Ayúdenos a mejorarlo o a discutir estos problemas en la página de discusión . ( Aprenda cómo y cuándo eliminar estos mensajes )
|
La robótica cognitiva o tecnología cognitiva es un subcampo de la robótica que se ocupa de dotar a un robot de un comportamiento inteligente al proporcionarle una arquitectura de procesamiento que le permitirá aprender y razonar sobre cómo comportarse en respuesta a objetivos complejos en un mundo complejo. La robótica cognitiva puede considerarse la rama de ingeniería de la ciencia cognitiva incorporada y la cognición incorporada incorporada , que consiste en la automatización de procesos robóticos , la inteligencia artificial , el aprendizaje automático , el aprendizaje profundo , el reconocimiento óptico de caracteres , el procesamiento de imágenes , la minería de procesos, el análisis , el desarrollo de software y la integración de sistemas .
Si bien los enfoques tradicionales de modelado cognitivo han asumido esquemas de codificación simbólica como un medio para representar el mundo, traducir el mundo a este tipo de representaciones simbólicas ha demostrado ser problemático, por no decir insostenible. Por lo tanto, la percepción y la acción , y la noción de representación simbólica , son cuestiones centrales que deben abordarse en la robótica cognitiva.
La robótica cognitiva considera la cognición humana o animal como un punto de partida para el desarrollo del procesamiento de información robótica, en contraposición a las técnicas de inteligencia artificial más tradicionales . Las capacidades cognitivas robóticas objetivo incluyen el procesamiento de la percepción, la asignación de atención, la anticipación , la planificación, la coordinación motora compleja, el razonamiento sobre otros agentes y quizás incluso sobre sus propios estados mentales. La cognición robótica encarna el comportamiento de los agentes inteligentes en el mundo físico (o un mundo virtual, en el caso de la robótica cognitiva simulada). En última instancia, el robot debe ser capaz de actuar en el mundo real.
Una técnica preliminar de aprendizaje de robots denominada balbuceo motor implica correlacionar movimientos motores complejos pseudoaleatorios del robot con la retroalimentación visual y/o auditiva resultante, de modo que el robot pueda comenzar a esperar un patrón de retroalimentación sensorial dado un patrón de salida motora. La retroalimentación sensorial deseada puede entonces usarse para informar una señal de control motora. Se cree que esto es análogo a cómo un bebé aprende a alcanzar objetos o aprende a producir sonidos del habla. Para sistemas de robots más simples, donde, por ejemplo, la cinemática inversa puede usarse de manera factible para transformar la retroalimentación anticipada (resultado motor deseado) en salida motora, este paso puede omitirse.
Una vez que un robot puede coordinar sus motores para producir un resultado deseado, se puede utilizar la técnica de aprendizaje por imitación . El robot monitorea el desempeño de otro agente y luego intenta imitar a ese agente. A menudo es un desafío transformar la información de imitación de una escena compleja en un resultado motor deseado para el robot. Tenga en cuenta que la imitación es una forma de alto nivel de comportamiento cognitivo y que la imitación no es necesariamente necesaria en un modelo básico de cognición animal encarnada.
Un enfoque de aprendizaje más complejo es la " adquisición autónoma de conocimientos ": se deja que el robot explore el entorno por sí solo. Normalmente se supone que tiene un sistema de objetivos y creencias.
Un modo de exploración algo más dirigido se puede lograr mediante algoritmos de "curiosidad", como la Curiosidad Adaptativa Inteligente [1] [2] o la Motivación Intrínseca Basada en Categorías [3] . Estos algoritmos generalmente implican dividir la entrada sensorial en un número finito de categorías y asignar algún tipo de sistema de predicción (como una Red Neuronal Artificial ) a cada una. El sistema de predicción realiza un seguimiento del error en sus predicciones a lo largo del tiempo. La reducción del error de predicción se considera aprendizaje. Luego, el robot explora preferentemente las categorías en las que está aprendiendo (o reduciendo el error de predicción) más rápido.
Algunos investigadores en robótica cognitiva han intentado utilizar arquitecturas como ACT-R y Soar (arquitectura cognitiva ) como base de sus programas de robótica cognitiva. Estas arquitecturas de procesamiento de símbolos altamente modulares se han utilizado para simular el rendimiento del operador y el rendimiento humano al modelar datos de laboratorio simplistas y simbolizados. La idea es extender estas arquitecturas para que puedan manejar la información sensorial del mundo real a medida que esa información se desarrolla continuamente a través del tiempo. Lo que se necesita es una forma de traducir de alguna manera el mundo en un conjunto de símbolos y sus relaciones.
Algunas de las preguntas fundamentales que aún quedan por responder en la robótica cognitiva son:
El libro Robótica cognitiva [4] de Hooman Samani, [5] adopta un enfoque multidisciplinario para cubrir varios aspectos de la robótica cognitiva, como la inteligencia artificial, los aspectos físicos, químicos, filosóficos, psicológicos, sociales, culturales y éticos.