Введение
Когнитивная робототехника или когнитивная технология — это область робототехники, занимающаяся наделением робота интеллектуальным поведением посредством предоставления ему архитектуры обработки, позволяющей ему обучаться и рассуждать о том, как действовать в ответ на сложные задачи в сложном мире. Когнитивная робототехника может рассматриваться как инженерная ветвь воплощенной когнитивной науки и воплощенного познания, включающая в себя автоматизацию роботизированных процессов, искусственный интеллект, машинное обучение, глубокое обучение, оптическое распознавание символов, обработку изображений, интеллектуальный анализ процессов, аналитику, разработку программного обеспечения и системную интеграцию.
Основные вопросы
В то время как традиционные когнитивные модели предполагают использование символических схем кодирования для представления мира, попытки перевести мир в такие символические представления оказались проблематичными и зачастую невозможными. Таким образом, восприятие, действие и сама идея символического представления являются центральными проблемами, которые необходимо решить в когнитивной робототехнике.
Начальная точка
Когнитивная робототехника рассматривает познание человека или животного как отправную точку для разработки обработки информации в робототехнике, в отличие от более традиционных методов искусственного интеллекта. К целевым когнитивным возможностям роботов относятся обработка восприятия, распределение внимания, предвосхищение, планирование, сложная координация движений, рассуждения о других агентах и, возможно, даже об их собственных ментальных состояниях. Робото-познание реализует поведение интеллектуальных агентов в физическом мире (или в виртуальном мире, в случае симуляционной когнитивной робототехники). В конечном итоге робот должен быть способен действовать в реальном мире.
Моторный болтовня
Предварительная техника обучения робота, называемая моторным бабблингом, заключается в установлении связи между псевдослучайными сложными двигательными действиями робота и возникающей в результате визуальной и/или слуховой обратной связью, чтобы робот мог начать предвидеть закономерность сенсорной обратной связи при определенной закономерности моторного вывода. Желаемая сенсорная обратная связь может затем использоваться для формирования сигнала управления двигателем. Считается, что это аналогично тому, как младенец учится тянуться к предметам или произносить звуки речи. Для более простых роботизированных систем, где, например, обратная кинематика может быть применительно использована для преобразования ожидаемой обратной связи (желаемого результата работы двигателя) в управляющий сигнал, этот этап можно опустить.
Имитация
Когда робот научится координировать свои двигатели для достижения желаемого результата, можно применить метод обучения посредством имитации. Робот наблюдает за действиями другого агента, а затем пытается их повторить. Преобразование информации, полученной в результате имитации из сложной обстановки, в нужный результат для моторов робота часто представляет собой сложную задачу. Важно отметить, что имитация – это высокоуровневая форма когнитивного поведения, и она не является необходимой в базовой модели воплощенного познания у животных.
Приобретение знаний
Более сложный подход к обучению — это "автономное приобретение знаний": роботу предоставляется возможность самостоятельно исследовать окружающую среду. Как правило, предполагается наличие системы целей и представлений. Более направленный способ исследования можно реализовать с помощью алгоритмов "любопытства", таких как Интеллектуальное адаптивное любопытство или Внутренняя мотивация, основанная на категориях. Эти алгоритмы обычно включают в себя разделение сенсорных данных на конечное число категорий и назначение каждой из них системы прогнозирования (например, искусственной нейронной сети). Система прогнозирования отслеживает погрешность своих предсказаний с течением времени. Уменьшение погрешности предсказания рассматривается как обучение. Затем робот с большей вероятностью исследует категории, в которых он учится (или уменьшает погрешность предсказания) наиболее быстро.
Другие архитектуры
Некоторые исследователи в области когнитивной робототехники пытались использовать такие архитектуры, как (ACT-R и Soar (когнитивная архитектура)) в качестве основы для своих программ когнитивной робототехники. Эти высокомодульные архитектуры обработки символов использовались для моделирования действий оператора и поведения человека при работе с упрощенными и символизированными лабораторными данными. Задача состоит в том, чтобы расширить эти архитектуры для обработки сенсорной информации из реального мира по мере её поступления во времени. Для этого необходимо найти способ преобразовать реальный мир в набор символов и отношений между ними.