La robótica del desarrollo ( DevRob ), a veces llamada robótica epigenética , es un campo científico que tiene como objetivo estudiar los mecanismos de desarrollo, las arquitecturas y las limitaciones que permiten el aprendizaje permanente y abierto de nuevas habilidades y nuevos conocimientos en máquinas encarnadas . Al igual que en los niños humanos, se espera que el aprendizaje sea acumulativo y de complejidad progresivamente creciente, y que resulte de la autoexploración del mundo en combinación con la interacción social . El enfoque metodológico típico consiste en partir de teorías del desarrollo humano y animal elaboradas en campos como la psicología del desarrollo , la neurociencia , la biología del desarrollo y la evolución y la lingüística , para luego formalizarlas e implementarlas en robots, a veces explorando extensiones o variantes de ellas. La experimentación de esos modelos en robots permite a los investigadores confrontarlos con la realidad y, como consecuencia, la robótica del desarrollo también proporciona retroalimentación e hipótesis novedosas sobre las teorías del desarrollo humano y animal.
La robótica de desarrollo está relacionada con la robótica evolutiva (ER), pero se diferencia de ella. La ER utiliza poblaciones de robots que evolucionan con el tiempo, mientras que DevRob se interesa por cómo la organización del sistema de control de un solo robot se desarrolla a través de la experiencia, a lo largo del tiempo.
DevRob también está relacionado con el trabajo realizado en los dominios de la robótica y la vida artificial .
¿Puede un robot aprender como un niño? ¿Puede aprender una variedad de nuevas habilidades y nuevos conocimientos no especificados en el momento del diseño y en un entorno parcialmente desconocido y cambiante? ¿Cómo puede descubrir su cuerpo y sus relaciones con el entorno físico y social? ¿Cómo pueden sus capacidades cognitivas desarrollarse continuamente sin la intervención de un ingeniero una vez que está "fuera de la fábrica"? ¿Qué puede aprender a través de interacciones sociales naturales con humanos? Estas son las preguntas que están en el centro de la robótica del desarrollo. Alan Turing, así como varios otros pioneros de la cibernética, ya formularon esas preguntas y el enfoque general en 1950, [1] pero fue solo a partir de fines del siglo XX que comenzaron a investigarse sistemáticamente. [2] [3] [4]
Debido a que el concepto de máquinas inteligentes adaptativas es central para la robótica del desarrollo, tiene relaciones con campos como la inteligencia artificial, el aprendizaje automático, la robótica cognitiva o la neurociencia computacional . Sin embargo, si bien puede reutilizar algunas de las técnicas elaboradas en estos campos, difiere de ellos desde muchas perspectivas. Se diferencia de la inteligencia artificial clásica porque no presupone la capacidad de razonamiento simbólico avanzado y se centra en habilidades sensoriomotoras y sociales corporizadas y situadas en lugar de en problemas simbólicos abstractos. Se diferencia de la robótica cognitiva porque se centra en los procesos que permiten la formación de capacidades cognitivas en lugar de estas capacidades en sí mismas. Se diferencia de la neurociencia computacional porque se centra en el modelado funcional de arquitecturas integradas de desarrollo y aprendizaje. En términos más generales, la robótica del desarrollo se caracteriza únicamente por las tres características siguientes:
La robótica del desarrollo surgió de la encrucijada de varias comunidades de investigación, entre ellas la inteligencia artificial corporizada, la ciencia cognitiva de sistemas enactivos y dinámicos y el conexionismo. Partiendo de la idea esencial de que el aprendizaje y el desarrollo ocurren como resultado autoorganizado de las interacciones dinámicas entre cerebros, cuerpos y su entorno físico y social, y tratando de entender cómo se puede aprovechar esta autoorganización para proporcionar un aprendizaje permanente independiente de las tareas de habilidades de creciente complejidad, la robótica del desarrollo interactúa fuertemente con campos como la psicología del desarrollo, la neurociencia cognitiva y del desarrollo, la biología del desarrollo (embriología), la biología evolutiva y la lingüística cognitiva. Como muchas de las teorías que surgen de estas ciencias son verbales y/o descriptivas, esto implica una actividad crucial de formalización y modelado computacional en la robótica del desarrollo. Estos modelos computacionales no solo se utilizan como formas de explorar cómo construir máquinas más versátiles y adaptables, sino también como una forma de evaluar su coherencia y posiblemente explorar explicaciones alternativas para comprender el desarrollo biológico. [4]
Debido al enfoque y la metodología generales, los proyectos de robótica de desarrollo suelen centrarse en que los robots desarrollen los mismos tipos de habilidades que los bebés humanos. Una primera categoría que es importante investigar es la adquisición de habilidades sensoriomotoras. Estas incluyen el descubrimiento del propio cuerpo, incluida su estructura y dinámica, como la coordinación mano-ojo, la locomoción y la interacción con objetos, así como el uso de herramientas, con un enfoque particular en el descubrimiento y aprendizaje de posibilidades. Una segunda categoría de habilidades a las que se dirigen los robots de desarrollo son las habilidades sociales y lingüísticas: la adquisición de juegos de comportamiento social simples como tomar turnos, interacción coordinada, léxicos, sintaxis y gramática, y la base de estas habilidades lingüísticas en habilidades sensoriomotoras (a veces denominadas como base de símbolos). Paralelamente, se está investigando la adquisición de habilidades cognitivas asociadas, como el surgimiento de la distinción entre lo propio y lo ajeno, el desarrollo de capacidades atencionales, de sistemas de categorización y representaciones de nivel superior de posibilidades o construcciones sociales, del surgimiento de valores, empatía o teorías de la mente.
Los espacios sensoriomotores y sociales en los que viven los humanos y los robots son tan amplios y complejos que solo una pequeña parte de las habilidades potencialmente aprendibles se pueden explorar y aprender a lo largo de una vida. Por lo tanto, son necesarios mecanismos y restricciones para guiar a los organismos en desarrollo en su desarrollo y control del aumento de la complejidad. Existen varias familias importantes de estos mecanismos y restricciones que se estudian en la robótica del desarrollo, todas ellas inspiradas en el desarrollo humano:
Si bien la mayoría de los proyectos de robótica de desarrollo interactúan estrechamente con las teorías del desarrollo animal y humano, los grados de similitudes e inspiración entre los mecanismos biológicos identificados y sus contrapartes en los robots, así como los niveles de abstracción del modelado, pueden variar mucho. Mientras que algunos proyectos apuntan a modelar con precisión tanto la función como la implementación biológica (modelos neuronales o morfológicos), como en Neurorobótica , otros proyectos solo se centran en el modelado funcional de los mecanismos y las restricciones descritas anteriormente y podrían, por ejemplo, reutilizar en sus arquitecturas técnicas provenientes de las matemáticas aplicadas o los campos de la ingeniería.
Como la robótica de desarrollo es un campo de investigación relativamente nuevo y al mismo tiempo muy ambicioso, aún quedan muchos desafíos fundamentales por resolver.
En primer lugar, las técnicas existentes distan mucho de permitir que robots reales de alta dimensión aprendan un repertorio abierto de habilidades cada vez más complejas a lo largo de su vida. Los espacios sensoriomotores continuos de alta dimensión constituyen un obstáculo importante que hay que resolver. El aprendizaje acumulativo a lo largo de la vida es otro. De hecho, hasta ahora no se han realizado experimentos que duren más de unos pocos días, lo que contrasta enormemente con el tiempo que necesitan los bebés humanos para aprender habilidades sensoriomotoras básicas mientras están equipados con cerebros y morfologías que son tremendamente más potentes que los mecanismos computacionales existentes.
Entre las estrategias que se pueden explorar para avanzar hacia este objetivo, se investigará de forma más sistemática la interacción entre los mecanismos y las limitaciones descritos en la sección anterior. De hecho, hasta ahora se han estudiado principalmente de forma aislada. Por ejemplo, la interacción entre el aprendizaje intrínsecamente motivado y el aprendizaje socialmente guiado, posiblemente limitado por la maduración, es una cuestión esencial que debe investigarse.
Otro desafío importante es permitir que los robots perciban, interpreten y aprovechen la diversidad de señales sociales multimodales proporcionadas por humanos no ingenieros durante la interacción entre humanos y robots. Estas capacidades son, hasta ahora, en su mayoría demasiado limitadas para permitir una enseñanza eficiente y de propósito general por parte de humanos.
Un problema científico fundamental que debe comprenderse y resolverse, que se aplica igualmente al desarrollo humano, es cómo la composicionalidad, las jerarquías funcionales, los primitivos y la modularidad, en todos los niveles de las estructuras sensoriomotoras y sociales, pueden formarse y aprovecharse durante el desarrollo. Esto está profundamente vinculado con el problema de la aparición de símbolos, a veces denominado el " problema de la base simbólica " cuando se trata de la adquisición del lenguaje. En realidad, la existencia y la necesidad de símbolos en el cerebro se cuestionan activamente, y se están investigando conceptos alternativos que aún permitan la composicionalidad y las jerarquías funcionales.
Durante la epigénesis biológica, la morfología no es fija, sino que se desarrolla en constante interacción con el desarrollo de las habilidades sensoriomotoras y sociales. El desarrollo de la morfología plantea problemas prácticos obvios con los robots, pero puede ser un mecanismo crucial que debería explorarse más a fondo, al menos en la simulación, como en la robótica morfogenética.
Otro problema abierto es la comprensión de la relación entre los fenómenos clave investigados por la robótica del desarrollo (por ejemplo, sistemas sensoriomotores jerárquicos y modulares, motivaciones intrínsecas/extrínsecas/sociales y aprendizaje abierto) y los mecanismos cerebrales subyacentes.
De manera similar, en biología, los mecanismos de desarrollo (que operan en la escala temporal ontogenética) interactúan estrechamente con los mecanismos evolutivos (que operan en la escala temporal filogenética), como se muestra en la floreciente literatura científica " evo-devo ". [5] Sin embargo, la interacción de esos mecanismos en organismos artificiales, en particular en robots de desarrollo, aún está muy poco estudiada. La interacción de los mecanismos evolutivos, el desarrollo de morfologías y el desarrollo de habilidades sensoriomotoras y sociales será, por lo tanto, un tema muy estimulante para el futuro de la robótica de desarrollo.
El taller sobre desarrollo y aprendizaje financiado por la NSF y la DARPA se celebró del 5 al 7 de abril de 2000 en la Universidad Estatal de Michigan. Fue la primera reunión internacional dedicada a la comprensión computacional del desarrollo mental de los robots y los animales. Se utilizó el término "por" porque los agentes están activos durante el desarrollo.
Los primeros cursos de grado en DevRob fueron ofrecidos en Bryn Mawr College y Swarthmore College en la primavera de 2003 por Douglas Blank y Lisa Meeden, respectivamente. El primer curso de posgrado en DevRob fue ofrecido en Iowa State University por Alexander Stoytchev en el otoño de 2005.