Con el fin de construir robots autnomos que pueden llevar a cabo un trabajo til en entornos no estructurados nuevos enfoques

han sido desarrollados para la construccin de sistemas inteligentes. La relacin con la robtica acadmicas tradicionales y la inteligencia artificial tradicional se examina. En los nuevos enfoques de una estrecha conexin entre la deteccin de la accin produce arquitecturas de inteligencia que son redes de elementos computacionales simples que son muy amplios, pero no es muy profunda. Los ltimos trabajos dentro de este enfoque ha demostrado el uso de representaciones, expectativas, planes, objetivos, y el aprendizaje, pero sin recurrir a los usos tradicionales del centro, representacin abstracta manipulables o simblica. Perception dentro de estos sistemas es a menudo un proceso activo, y la dinmica de las interacciones con el mundo es extremadamente importante. La cuestin de cmo evaluar y comparar el trabajo nuevo con el tradicional todava provoca fuerte discusin

EL CAMPO DE LA INTELIGENCIA ARTIFICIAL (IA ) trata de hacer que las computadoras hagan cosas que , cuando se hace por la gente, se describen como tener la inteligencia indicada. El objetivo de la IA se ha caracterizado por tanto la construccin de sistemas inteligentes tiles y la comprensin de la inteligencia humana ( 1 ) . Desde los primeros das de AI ( 2 ) se han producido los pensamientos de la construccin de robots autnomos verdaderamente inteligentes. En los crculos acadmicos de investigacin , el trabajo en la robtica ha influido en el trabajo de Al y viceversa ( 3 ) .

Durante los ltimos 7 aos, un nuevo enfoque a la robtica ha estado desarrollando en un nmero de laboratorios . En lugar de modularizar la percepcin , el modelado del mundo , la planificacin y la ejecucin , el nuevo enfoque se basa sistemas de control inteligente que muchos mdulos cada individuo genera directamente una parte del comportamiento del robot. En la forma ms pura de este modelo, cada mdulo incorpora su propia percepcin , modelado y requisitos de planificacin . Un esquema de arbitraje o la mediacin , construido en el marco de los mdulos , los controles de la cual el comportamiento productoras de mdulo tiene el control de qu parte del robot en cualquier momento dado .

El trabajo se basa su inspiracin de la neurobiologa , la etologa , la psicofsica y la sociologa. El enfoque surgi de insatisfacciones con la robtica tradicionales y Al , que parecan incapaces de ofrecer un rendimiento en tiempo real en un mundo dinmico . La idea clave del nuevo enfoque es promover tanto la robtica y Al , considerando los problemas de la construccin de un agente autnomo que fsicamente es un robot mvil autnomo y que lleva a cabo algunas tareas tiles en un entorno que no ha sido especialmente estructurado o diseado para que .

Hay dos ideas centrales sutilmente diferentes que son cruciales y se han llevado a soluciones que utilizan mdulos de comportamiento que producen :

contextualizacin : Los robots se encuentran en el mundo que no se ocupan de las descripciones abstractas, sino con el " aqu" y "ahora" del entorno que influye directamente en el comportamiento del sistema .

Realizacin : Los robots tienen cuerpos y experimentar el mundo directamente , sus acciones son parte de una dinmica con el mundo, y las acciones tienen una respuesta inmediata en las propias sensaciones de los robots .

Un sistema de reserva de avin se encuentra , pero no se materializa - se trata de miles de peticin por segundo , y sus respuestas varan como sus cambios de base de datos , pero que interacta con el mundo slo a travs de enviar y recibir mensajes . Una corriente

robot de pintura por pulverizacin generacin industrial se materializa pero no est situada - que tiene una extensin fsica y sus rutinas de servo debe corregir para sus interacciones con la gravedad y el ruido presente en el sistema , pero no percibe ningn aspectos de la forma de un objeto se le ha presentado para la pintura y simplemente pasa a travs de una serie de pre programada de acciones .

Este nuevo enfoque de la robtica hace afirmaciones sobre cmo debera organizarse la inteligencia que son radicalmente diferente del enfoque asumido por la IA tradicional.

Los enfoques tradicionales

Aunque todos los campos de la visin por computador , robtica, y la IA tienen sus conferencias bastante separadas y las revistas especializadas, un pacto implcito entre los intelectuales ha desarrollado a lo largo de los aos. Ninguno de estos campos es la ciencia experimental en el sentido de que la qumica , por ejemplo , puede ser una ciencia experimental . Ms bien, hay dos formas en que los campos de proceder. Una de ellas es a travs del desarrollo y la sntesis de los modelos de los aspectos de la percepcin, la inteligencia, o la accin , y la otra es a travs de la construccin de sistemas de demostracin ( 4 ) . Es relativamente raro para un experimento

explcita que hacer . Ms bien , los sistemas de demostracin se utilizan para ilustrar un modelo en particular en funcionamiento . No hay ningn experimento de control con el que comparar , y muy poco de extraccin de datos o el anlisis cuantitativo . El pacto intelectual entre la visin por computador , robtica, y la IA se refiere a los supuestos que se pueden hacer en la construccin de sistemas de demostracin . Establece convenios por lo que los componentes de un sistema totalmente situada y encarnada eventual pueden asumir el uno del otro . Estas convenciones coinciden con los utilizados en dos proyectos crticos de 1969/72 , que marc la pauta para los prximos 20 aos de investigacin en visin por computador , robtica, y AI .

En el Instituto de Investigacin de Stanford (ahora SRI International) un robot mvil llamado Shakey fue desarrollado ( 5 ) . Shakey habitaba un conjunto de habitaciones especialmente preparadas . Es navegable desde una habitacin a otra , tratando de satisfacer un objetivo que se le da en un teletipo. Sera , en funcin del objetivo y las circunstancias, navegar alrededor de obstculos consisten en grandes bloques y cuas pintadas , empujarlos fuera del camino , o empujarlos a algn lugar deseado. Shakey tena una cmara de televisin blackand - blanco a bordo como su sensor primario . Un equipo offboard analiz las imgenes y descripciones fusionados de lo que fue visto en un modelo de lgica simblica existentes , picadura del mundo en la forma de clculo de predicados de primer orden . Un programa de planificacin , TIRAS , operado en las descripciones simblicas del mundo para generar una secuencia de acciones para Shakey . Estos planes se han traducido en una serie de refinamiento en llamadas a acciones atmicas en los bucles de retroalimentacin bastante apretados con operaciones de deteccin atmicas con otros sensores de Shakey , como la barra de un bache y odometra .

Shakey slo trabaj por ingeniera cuidado del medio ambiente. Veinte aos ms tarde , sin robot mvil se ha demostrado que emparejan todos los aspectos de rendimiento de Shakey en un entorno ms general , como un entorno de oficina . Las habitaciones en las que operaba Shakey estaban desnudas a excepcin de los grandes bloques y cuas de colores. Esto hizo que la clase de objetos que tenan que estar representados , muy simple. Las paredes eran de un color uniforme y cuidadosamente iluminados , con zcalos de goma negros , haciendo lmites claros con el suelo de color ms claro . Esto , significa que la visin muy simple y robusta de esquinas triedros entre dos paredes y el suelo podra ser utilizado para la relocalizacin de robot con el fin de corregir la deriva en las mediciones odomtrica . Los bloques y cuas se pintaron diferentes colores en diferentes superficies planas . Esto asegur que era relativamente fcil , sobre todo en la buena iluminacin proporcionada , para encontrar los bordes en las imgenes que separan las superficies y por lo tanto para identificar la forma del poliedro . Bloques y cuas eran relativamente raros en el medio ambiente , la eliminacin de los problemas debidos a oscurecimientos parciales .

En el MIT , un sistema de cmara y un brazo manipulador de robot se programaron para percibir un arreglo de bloques de madera de color blanco contra un fondo negro y para construir una copia de la estructura de bloques adicionales . Esto se llama el copy- demo ( 6 ) . Los programas para hacer esto eran muy especfica al mundo de bloques con

lados rectangulares y no habran trabajado en la presencia de objetos curvos simples , spera textura de los bloques, o sin iluminacin cuidadosamente controlada . Sin embargo , reforz la idea de que una descripcin tridimensional completa del mundo podra ser extrada de una imagen visual. Se legitima el trabajo de otros , como Winograd ( 7 ) , cuyos programas trabajado en un mundo de fantasa de los bloques , si un programa se puede construir lo que entiende como un mundo completo y poda tambin . manipular mundo que , a continuacin, pareca que los programas que se supone que la abstraccin de hecho podran estar conectados con el mundo real y sin gran dificultad .

El papel de la visin por ordenador se " da una imagen de dos dimensiones, inferir los objetos que lo produjeron , incluyendo sus formas , posiciones, colores y tamaos " ( 8 ) . Esta actitud conduce a un nfasis en la recuperacin de la forma tridimensional ( 9 ) , a partir de imgenes monocular y estreo . Se construyeron un nmero de sistemas de reconocimiento y localizacin de demostracin , tales como los de Brooks ( 10 ) y Grimson ( 11 ) , aunque tendan a no confiar en el uso de recuperacin de la forma tridimensional .

El papel de la AI era tomar las descripciones del mundo (aunque no suele ser tan geomtrica como la visin que pareca destinado a entregar, o como la robtica pareca necesario ) y manipularlos sobre la base de una base de datos de conocimiento sobre cmo funciona el mundo con el fin de resolver los problemas , hacer planes, y producir explicaciones . Estas aspiraciones de alto nivel Muy raramente se han encarnado en conexin con cualquiera de los sistemas de visin por ordenador o dispositivos robticos .

El papel de la robtica era ocuparse de la interaccin fsica con el mundo . Como robtica adopt la idea de tener un modelo completo del mundo en tres dimensiones, una serie de subproblemas se convirti en estndar . Uno era para planificar una ruta libre de colisiones a travs del modelo de mundo por un brazo manipulador , o para un robot mvil , consulte el artculo de Yap ( 12) para un estudio de la literatura, el otro era para entender cinemtica directa y dinmica dada por un conjunto de pares de conjuntos o de la rueda como funciones en el tiempo, lo que sera el recorrido de la mano de un robot o un organismo seguir. Un ms til , pero es ms difcil , el problema es cinemtica y dinmica - dado inversas una trayectoria deseada como una funcin de tiempo , por ejemplo, uno generado por un algoritmo de planificacin de la trayectoria libre de

colisiones , calcular el conjunto de pares de conjuntos o de la rueda que se debe aplicar a seguir ese camino dentro de cierta precisin prescrita ( 13 ) .

Se hizo evidente despus de un tiempo que perfecta -models del mundo no podran ser obtenidos de sensores , o incluso bases de datos CAD. Algunos trataron de modelar la incertidumbre explcita ( 14 , 15) y encontraron las estrategias que funcionaron , en su presencia , mientras que otros se alejaron de las tcnicas de la posicin de base a la planificacin basada en la fuerza , por lo menos en el mundo manipulador ( 16 ) . Ambiciosos planes de las bases para la combinacin de muchos de los trabajos de investigacin en los ltimos aos en un sistema unificado de planificacin y ejecucin de robots manipuladores ( 17 ), pero despus de aos de progreso terico y la ingeniera impresionante a largo plazo , los sistemas ms avanzados son rgidas ahora del ideal ( 18 ) .

Estos enfoques , junto con aquellos en el dominio robot mvil ( 19 , 20 ) , compartieron el marco sentido - modelo de planta - acto , donde una iteracin a travs del ciclo de frecuencia podra tomar 1-5 minutos o ms ( 18 , 19 ) .

El nuevo enfoque

Impulsado por una insatisfaccin con el desempeo de los robots en el trato con el mundo real, y se refera a que la complejidad de la modelizacin en tiempo de ejecucin del mundo estaba yendo de las manos , un nmero de personas comenz con cierta independencia en torno a 1984 repensar el problema general de la organizacin inteligencia . Pareca un requisito razonable que la inteligencia sea reactivo a los aspectos dinmicos de la ambiente , que un robot mvil operan en escalas de tiempo similares a las de los animales y los seres humanos , y que la inteligencia sea capaz de generar un comportamiento robusto en la cara de sensores inciertos , un impredecible medio ambiente, y en un mundo cambiante. Algunas de las realizaciones importantes sobre la organizacin de la inteligencia ha sido el siguiente :

Agre y Chapman en el MIT afirmaron que la mayor parte de lo que la gente hace en sus vidas da a da no es la resolucin de problemas o la planificacin , sino que es la actividad rutinaria en un tiempo relativamente benigno , pero ciertamente dinmico mundo. Adems las representaciones utiliza un agente de objetos en el mundo no necesita depender de nombrar los objetos con smbolos que el agente posee , sino ms bien puede ser definido a travs de interacciones de agente de troquel con el mundo ( 21 , 22 ) .

 Rosenschein y Kaelbling en SRI International ( y ms tarde en Teleos Research) sealaron que un observador puede legtimamente hablar de creencias y objetivos de un agente , a pesar de que el agente no tiene que manipular las estructuras de datos simblicos en tiempo de ejecucin . la

especificacin simblica formal del diseo del agente puede ser compilado de distancia , produciendo programas de robot eficientes (23, 24 ) .

Brooks del MIT sostiene que el fin de probar realmente las ideas de la inteligencia es importante agente de compilacin completa que operan en entornos dinmicos utilizando sensores reales. Modelos mundiales internos que son representaciones completas del entorno externo , adems de ser imposible de obtener , no son en absoluto necesarios para que los agentes actan de una manera competente . Muchas de las acciones de un agente de la inteligencia son bastante separable coherente puede emerger de subcomponentes independientes que interactan en el mundo ( 25-27) .

Todos los tres grupos produjeron implementaciones de estas ideas , utilizando como medio de expresin de una red de elementos computacionales simples , cableados juntos , la conexin de sensores a los actuadores , con una pequea cantidad de estado mantenido durante ciclos de reloj .

Agre y Chapman demostraron sus ideas por medio de programas para videojuegos de construccin. El primer programa fue llamado Pengi y desempe un programa de videojuegos se ejecutan simultneamente , con un protagonista y muchos oponentes que puede lanzar proyectiles peligrosos ( Fig. 1 ) . Hay dos componentes en la arquitectura del procesador visual de rutina ( VRP ), que proporciona la entrada al sistema, y una red de puertas lgicas estndar, que pueden clasificarse en tres componentes : Detectores de aspecto, suggestors accin, y rbitros . El sistema reproduce el juego desde el mismo punto de vista como un ser humano que juega un video juego, no desde el punto de vista de la protagonista en el juego. Sin embargo , en lugar de analizar un mapa de bits visual , el programa de Pengi se presenta con una versin icnica . La VRP implementa una versin de la teora de las rutinas visual de Ullman ( 28 ), donde los marcadores de un conjunto de seis se colocan en ciertos iconos y los siguen . Los operadores pueden colocar un marcador en el rival ms cercano, por ejemplo, y se har un seguimiento de ese oponente , incluso cuando ya no es el ms cercano. La colocacin de estos marcadores fue el nico estado en el sistema. Operadores de proyeccin permiten al jugador predecir las consecuencias de las acciones , por ejemplo , el lanzamiento de un proyectil. Los resultados de la VRP son analizados por la primera parte de la red central y describen ciertos aspectos del mundo . En la mente del diseador, seales de salida designan cosas tales como " el protagonista se mueve ", " un proyectil

desde el norte est a punto de golpear la protagonista, " y as sucesivamente . La siguiente parte de la red toma combinaciones booleanas de tales seales para sugerir acciones , y la tercera etapa se utiliza un esquema de prioridad fija ( es decir, nunca aprende ) para seleccionar la siguiente accin . El uso de este tipo de representaciones decticos fue un movimiento clave de distancia , desde el enfoque tradicional de AI de tratar slo con las personas nombradas en el mundo ( por ejemplo , el oponente - 27 en lugar del dectico el oponente - que -es- ms cercano a - la protagonista, cuyo objetivo identidad puede cambiar con el tiempo ), y conducir a necesidades muy diferentes en el tipo de razonamiento que era necesario llevar a cabo bien en el mundo .

Rosenschein y Kaelbling usaron un robot llamado Flakey , que operaba en las reas de oficina regulares y sin alteraciones de la ISR en las proximidades del ambiente especial para Shakey que se haban construido dos dcadas antes. Su arquitectura se divide en una percepcin de subred y una subred de accin. Las redes se construyen en ltima instancia, de puertas lgicas estndar y elementos de retardo ( con retroalimentacin bucles stos proporcionan a la red con el estado ), aunque el programador escribi en un nivel mucho ms alto de abstraccin , en trminos de los objetivos que el robot debe tratar de satisfacer . Al especificar formalmente las relaciones entre los sensores y efectores y el mundo , y mediante el uso off -line clculo simblico , Rosenschein y lenguajes de alto nivel de Kaelbling se utilizaron para generar demostrablemente correcta programas en tiempo real para Flakey . La tcnica puede estar limitado por la complejidad computacional del proceso de compilacin simblica como los programas se hacen ms grandes y por la validez de sus modelos de sensores y actuadores .

Brooks desarroll la arquitectura de subsuncin , que deliberadamente cambi la modularidad del enfoque tradicional AI . La figura 2 muestra una descomposicin vertical de tarea en el logro de los comportamientos en lugar de mdulos de procesamiento de informacin . Esta arquitectura se ha utilizado en los robots que explorar, construir mapas , tienen un manipulador a bordo, caminar , interactuar con la gente, navegar visualmente , y aprender a coordinar los muchos comportamientos internos conflictivos. El sustrato de implementacin consiste en redes de mquinas de estados finitos aumentados de paso de mensajes ( AFSMs ) . Los mensajes se envan a travs de "cables" predefinidos de una transmisin especfica a un AFSM recibir especfica . Los mensajes son nmeros simples ( tpicamente 8 bits ) cuyo significado depende de los diseos de tanto el transmisor como el receptor . Un AFSM tiene registros adicionales que tienen el mensaje de entrada ms reciente sobre ningn cable en particular. Los registros pueden tener sus valores alimentan a un circuito combinatorio local para producir nuevos valores para los registros o para proporcionar un mensaje de salida . La red de AFSMs

es totalmente asncrona , pero AFSMs individuales pueden tener monoestables duracin determinada que se proporcionan para tratar con el flujo del tiempo en el mundo exterior . La

competencia del comportamiento del sistema se mejora mediante la adicin de ms comportamiento de la red especfica a la red existente . Este proceso se llama estratificacin . Esta es una analoga simplista y crudo con el desarrollo evolutivo. Al igual que con la evolucin, en cada etapa del desarrollo se prueban los sistemas . Cada una de las capas es una pieza de produccin de comportamiento de la red en su propio derecho , aunque puede depender implcitamente en la presencia de piezas anteriores de red . Por ejemplo , una capa de explorar no tiene que evitar de manera explcita los obstculos , ya que el diseador sabe que la capa evitar existente se har cargo de ella. Un esquema de arbitraje de prioridad fija se utiliza para manejar los conflictos .

Estas arquitecturas son radicalmente diferentes de los utilizados en la comunidad de robtica en el momento . No hubo modelo central del mundo representada explcitamente dentro de los sistemas . No se produjo separacin implcita de los datos y el clculo - ambos fueron distribuidos en la misma red de elementos . No hubo punteros , y no hay manera fcil de ponerlas en prctica , ya que es en los programas simblicos. Cualquier espacio de bsqueda tena que ser limitada en tamao a priori, como nodos de bsqueda no se pueden crear y destruir dinmicamente durante el proceso de bsqueda . No hubo locus de control central . En general , la separacin en el sistema de percepcin , sistema central , y el sistema de accionamiento era mucho menos clara que en los enfoques anteriores , y de hecho en estos sistemas no haba un entrelazamiento ntimo de los aspectos de los tres de estas capacidades . No hubo

. figura 1 . El sistema de Pengi ( 21 ) jug un videojuego llamado Pengo . El sistema de control consista en una red de puertas lgicas , organizado en un sistema visual , un sistema central , y un sistema de motor . El nico estado estaba dentro del sistema visual . La red en el sistema central se organiza en tres componentes: un detector aspecto de subred , una accin Suggestor subred , y un rbitro subred.

. figura 2 . La descomposicin tradicional por un sistema de control inteligente dentro de la IA es el proceso de ruptura en una cadena de mdulos de procesamiento de informacin (arriba ) procedente de la deteccin a la accin. En el nuevo enfoque ( parte inferior ) es la descomposicin en trminos de mdulos de comportamiento de generacin de cada uno de los cuales conecta a la accin de deteccin . Las capas se aaden incrementalmente , y nuevas capas pueden depender de capas anteriores que operan con xito , pero no los llaman como subrutinas explcitas .

nocin de un proceso que llama a otro como subrutina . Ms bien , las redes se han diseado para que los resultados de los clculos simplemente estar disponible en el lugar adecuado cuando sea necesario . El lmite entre la computacin y el mundo era ms difcil de dibujar como los sistemas dependan en gran medida de la dinmica de sus interacciones con el mundo para producir sus resultados. Por ejemplo , a veces una accin fsica por el robot dara lugar a un cambio en el mundo que se percibe y causar la siguiente accin , en contraste con ejecutar directamente las dos acciones en secuencia .

La mayor parte del trabajo robtica basada en el comportamiento que se ha hecho con robots fsicos implementados . Algunos se ha hecho exclusivamente en el software ( 21 ), no como una simulacin de un robot fsico, sino ms bien como un experimento computacional en un hacer creer dominio completo para explorar ciertos aspectos crticos del problema. Esto contrasta con la robtica tradicional en muchas manifestaciones se llevan a cabo slo en simulaciones de software de los robots .

reas de Trabajo

Tal vez inspirado por este primer trabajo y tambin por ( 29 ) Sociedad vez ms terica de las ideas de Minsky mente en la organizacin de la mente humana , varios grupos de todo el mundo han seguido enfoques basados en el comportamiento a la robtica en los ltimos aos . El siguiente es un estudio de parte de ese trabajo y lo relaciona con las cuestiones y problemas fundamentales para el campo.

Una de las deficiencias de los enfoques anteriores a la robtica y la AI era que el razonamiento era tan lento que los sistemas que se construyeron no podan responder a un mundo real dinmico. Una caracterstica clave de los nuevos enfoques de la robtica es que los programas se construyen con conexiones cortas entre sensores y actuadores , por lo que es creble , al menos en principio , para responder rpidamente a los cambios en el mundo .

La primera demostracin de la arquitectura de subsuncin estaba en el robot Allen ( 25 ) . El robot fue casi totalmente reactiva, usando lecturas de sonda para mantener lejos de traslado de personas y otros obstculos en movimiento , aunque no chocar con obstculos estticos. Tambin tena una capa de nivel superior no reactivo que seleccione el objetivo de dirigirse hacia , y luego proceder en esa direccin, mientras que la capa reactiva nivel inferior se encarg de evitar obstculos. Por lo tanto, combina las capacidades no reactivos con los reactivos . Ms importante an , se utiliza exactamente el mismo tipo de mecanismo de clculo para hacer las dos cosas . En mirando a la red de las capas combinadas no haba ninguna particin obvia en componentes inferiores y superiores de nivel basado en el tipo de informacin que fluye en las conexiones , o las mquinas de estados finitos que eran los elementos computacionales . Sin duda, haba una diferencia en la funcin entre las dos capas , pero no haba necesidad de introducir ningn centralizacin o explcitas representaciones para lograr un proceso de nivel posterior , superior que tiene influencia til y eficaz a travs de una , el nivel ms bajo antes.

La arquitectura de subsuncin era generalizada ( 30 ) de modo que algunas de las conexiones entre elementos de procesamiento podra implementar un bus de la retina , un cable que transmite imgenes parcialmente procesados de un sitio a otro dentro del sistema . Se aplica operadores en diferencias simples , y la regin de cultivo de las tcnicas , para segmentar el campo visual en las partes mviles e inmviles , y en el suelo y nonfloor partes . Ubicacin , pero no la identidad de las regiones segmentadas , se utiliza para implementar la navegacin de imagen basado en coordenadas . Todas las tcnicas visuales eran conocidos por ser muy poco fiables en las imgenes individuales de niveles de gris , pero por haber tcnicas redundantes que operan en paralelo y la velocidad de conmutacin entre ellos , se logr robustez . El robot fue capaz de seguir a los corredores y los objetos en movimiento en tiempo real, con muy pocos recursos computacionales para los estndares de visin por computador mdem.

Esta idea de utilizar redundancia sobre muchas imgenes es en contraste con el enfoque en la investigacin de la visin por ordenador tradicional de tratar de extraer la mxima cantidad de informacin a partir de una sola imagen , o un par de imgenes . Esto condujo a tratar de obtener mapas de profundidad completa en un campo de visin de un solo par de imgenes estreo . Ballard ( 31 ) seala que los seres humanos no hacen esto, sino servo sus dos ojos a punto sobre un punto determinado y luego extraer informacin relativa profundidad sobre ese punto . Con este y muchos otros ejemplos que seala que un sistema de visin activa , es decir, uno con el control de sus cmaras , puede trabajar de forma natural en coordenadas centrado en el objeto , mientras que un sistema de visin pasiva , es decir, uno que no tiene control sobre su cmaras, est condenado a trabajar en coordenadas espectador centrado . Un gran esfuerzo se est llevando a Rochester para explotar la visin basada en el comportamiento o animada . Dickmanns y Graefe ( 32 ) en Munich han utilizado redundancia de mltiples imgenes y mltiples ventanas

que rastrean caractersticas relevantes entre las imgenes , mientras que prcticamente ignorando el resto de la imagen , para controlar la conduccin de un camin en una autopista a ms de 100 kilmetros por hora .

Aunque anterior a la atencin a los robots basados en el comportamiento , robots saltando de Raibert ( 33 ) se adaptan a su espritu. Robots andantes tradicionales se les da una trayectoria deseada para su cuerpo y, a continuacin movimientos apropiados piernas se calculan . En uno, dos y mquinas de cuatro patas de Raibert , que descompone el problema en controlar independientemente la altura de salto de una pierna , su velocidad hacia adelante, y la actitud corporal. El movimiento del cuerpo del robot emerge de las interacciones de estos bucles y el mundo . Usando subsuncin , Brooks programado un robot de seis patas , Genghis (Fig. 3 ) , caminar en terreno irregular ( 34 ) . En este caso , las capas de conductas realizadas por primera vez la capacidad de ponerse de pie , y luego de caminar sin retroalimentacin despus de ajustar para el terreno y los obstculos en bruto, por medio de la fuerza de respuesta , entonces para modular de este alojamiento basado en la distancia y inclinmetros roll. La trayectoria para que el cuerpo no se especifica explcitamente , ni hay ningn tipo de control jerrquico. El robot se desplaza con xito todo terreno con muy poco clculo. La figura 4 muestra el diagrama de cableado de los 57 aumentada mquinas de estados finitos que lo controlaban .

Ha habido una serie de experimentos basados en el comportamiento con robots manipuladores . Connell ( 35 ) usa una coleccin de 17 AFSMs para controlar un brazo con dos grados de libertad montados sobre una base mvil . Cuando aparc delante de una lata de refresco , ya sea a nivel del suelo o sobre una mesa , el brazo fue capaz de encontrar fiable y recogerlo , a pesar de s el desorden por delante y por debajo de la lata , usando sus sensores locales para dirigir su buscar .

. figura 3 . Genghis es un robot de seis patas mide 35 centmetros de largo. Cada pata rgida est unida a una articulacin del hombro con dos grados de libertad de rotacin , cada uno conducido por un avin de la posicin del motor servo controlable modelo . Los sensores son cabeceo y balanceo inclinmetros, dos antenas colisin sensible , seis prospectivas sensores infrarrojos piroelctrico pasivos, y las mediciones de fuerza de crudo de los bucles de cada servo motor. Hay

cuatro microprocesadores de ocho bits a bordo , tres de los cuales se ocupan de motor y seales de los sensores y uno de los cuales se ejecuta la arquitectura de subsuncin .

Todos los AFSMs tenan valores de los sensores como nico insumos y , como salida , el actuador , los comandos que luego pasaron a travs de una red de arbitraje prioridad fija para controlar el brazo y la mano . En este caso , no haba comunicacin entre los AFSMs , y el sistema era completamente reactiva a su entorno . Malcolm y Smithers ( 36 ) a Edimburgo reportan un sistema de montaje hbrido . Un planificador tradicional AI produce planes para un manipulador de robot para montar los componentes de algn artefacto , y un sistema basado en el comportamiento ejecuta los pasos del plan . La idea clave es dar planificador primitivas slidas mayores que pueden hacer algo ms que realizar movimientos simples , lo que hace el problema ms fcil la planificacin .

La representacin es un tema fundamental en la IA tradicional. Mataric en el MIT ha introducido recientemente representaciones activas en la arquitectura de subsuncin ( 37 ) . Subredes idnticas de AFSMs son las unidades de representacin. En experimentos con un officeenvironment navegar robot basado en sonar llamado Toto, puntos de referencia fueron transmitidos al sustrato representativo como es que los hay . Una subred previamente asignado se convertira en la representacin de ese hito , y luego tomar el cuidado de sealar las relaciones topolgicas locales , la creacin de expectativas que el robot se movi a travs del espacio encontrado anteriormente , la difusin de la energa de activacin para la ruta de planificacin para mltiples

metas , y dirigir el movimiento del robot durante meta - comportamiento de bsqueda cuando est en las inmediaciones de la seal . En este enfoque, las representaciones y las formas en las que se utilizan son inseparables - todo sucede en las mismas unidades de computacin dentro de la red .. Nehmzow y Smithers ( 38 ) a Edimburgo tambin han experimentado con la inclusin de representaciones de puntos de referencia , pero sus robots operados en un mundo ms simple de los armarios de madera contrachapada. Usaron las redes de auto-organizacin para representar el conocimiento del mundo , y la influencia adecuada sobre el curso actual del robot. Adems , el grupo de Edimburgo ha realizado una serie de experimentos con la reactividad de los robots, y con dinmicas de grupo entre los robots que utilizan un sistema de prototipado rpido Lego basado en que han desarrollado .

Muchos de los primeros enfoques basados en el comportamiento utilizado un esquema de prioridades fija para decidir qu conducta podra controlar un actuador particular, en qu momento. En Hughes , un esquema de votacin alternativa fue producido ( 39 ) para permitir que un robot para tomar ventaja de las salidas de muchos comportamientos simultneamente . En Bruselas un esquema para la activacin selectiva y la desactivacin de los comportamientos completos fue desarrollado por Maes ( 40 ) , sobre la base de la difusin de activacin dentro de la propia red . Este sistema fue desarrollado en el MIT y permite programar Toto entre otros robots . En particular, se utiliza para proporcionar un mecanismo de aprendizaje en las Genghis robot de seis patas , para que pueda aprender a coordinar sus comportamientos de elevacin de piernas, con base en la retroalimentacin negativa de caer ( 41 ) .

Muy recientemente se ha trabajado en IBM ( 42 ) y la Investigacin Teleos ( 43 ) utilizando Q 1earning ( 44 ) para modificar el comportamiento de los robots . Parece que hay inconvenientes con el tiempo de convergencia de estos algoritmos , pero se necesita ms experimentacin en sistemas reales.

Un nmero de investigadores de robtica tradicionales ( 45 ) y AI (46, 47 ) han adoptado las filosofas de los enfoques basados en el comportamiento como la parte inferior de los dos sistemas de nivel como - se muestra en la figura . 5 . La idea es permitir que un sistema basado en el comportamiento reactivo a cuidar de los problemas en tiempo real que participan en la interaccin con el mundo, mientras que un sistema ms tradicional de AI se encuentra en la parte superior , la toma de decisiones ejecutivas a ms largo plazo que afectan a las polticas ejecutadas por el nivel inferior. Otros ( 48 ) sostienen que puramente basada en el comportamiento de sistemas son todo lo que se necesita.

evaluacin

Ha sido difcil evaluar el trabajo realizado bajo la bandera de los nuevos enfoques de la robtica. Sus defensores han argumentado a menudo sobre la base del rendimiento de los sistemas construidos dentro de su estilo. Pero el rendimiento es difcil de evaluar, y ha habido muchas crticas que el enfoque es a la vez inmoral y no escala bien . El argumento sin principios proviene de las comparaciones con la robtica acadmicos tradicionales , y el argumento de escala proviene de la IA tradicional. Ambas disciplinas se han establecido, pero los criterios informales de lo que hace un trabajo de investigacin buena y respetable.

Robtica acadmicas tradicionales ha trabajado en un dominio algo perfecto. Hay modelos CADcomo de los objetos. y robots , y un modelado de la fsica como las cosas interactan (16). Gran parte del trabajo es en el desarrollo de algoritmos que garantizan ciertas clases de resultados en el mundo modelado. Verificaciones en ocasiones se realizan con robots reales ( 18 ), pero por lo general estos ensayos estn en ninguna parte cerca tan complicados como los ejemplos que se pueden manejar en la simulacin . El punto de conflicto parece estar en lo bien que los experimentadores son capaces de convencer a los robots fsicos para que coincida con la fsica de los robots simulados.

Para los nuevos enfoques de la robtica, sin embargo, donde se hace hincapi en la comprensin y la explotacin de la dinmica de las interacciones con el mundo , tiene sentido para medir y analizar los sistemas , ya que se encuentran en el mundo. De la misma manera etologa moderna ha prosperado mediante el estudio de los animales en su hbitat natural , no slo en cajas de Skinner. Por ejemplo , un sensor en particular , en las condiciones experimentales ideales , puede tener una resolucin en particular . Supongamos que el sensor es un sonar . luego medir su resolucin un experimento , se crear en el que se detecta una seal de retorno desde el artculo de prueba , y la resolucin se compara con las mediciones de distancia efectuadas con una regla o algn dispositivo similar. El experimento podra hacerse por un nmero de diferentes tipos de superficie . Pero cuando el sensor est instalado en un robot mvil, situada en un mundo que cambia dinmicamente desordenado , las seales de retorno que llegan al sensor pueden provenir de muchas fuentes posibles . El objeto ms cercano que el sensor no puede estar hecho de uno de los materiales probados . Puede ser en un ngulo tal que el impulso sonar acta como si se tratara de un espejo , y as el sonar ve un reflejo secundario . Los lbulos secundarios de la sonda pueden detectar algo en una situacin desordenada , donde no exista tal interferencia en el experimentales limpio

situacin . Uno de los puntos principales de los nuevos enfoques de la robtica es que estos efectos son muy importantes en el comportamiento general de un robot. Ellos tambin son extremadamente difciles de modelar . As que el enfoque tradicional de la robtica de la prueba de la correccin de un modelo abstracto puede ser algo sin sentido en los nuevos enfoques. Tenemos que encontrar la manera de formalizar nuestra comprensin de la dinmica de las interacciones con el mundo, para que podamos construir herramientas tericas que nos permitirn hacer predicciones sobre el rendimiento de los nuevos robots .

En IA tradicional hay muchas clases de contribuciones de la investigacin ( a diferencia de la implementacin de la aplicacin ) . Dos de los ms populares se describen aqu . Una de ellas es proporcionar un formalismo que es consistente para un cierto nivel de descripcin de algn aspecto del mundo , por ejemplo , fsica cualitativa , interacciones estereotipados entre los

altavoces, o categorizaciones o taxonomas de los animales . Esta clase de trabajo no implica necesariamente ningn resultado en particular , teoremas, o los programas de trabajo que se consideren adecuados , el formalismo es la importante contribucin . Una segunda clase de investigacin toma una representacin de entrada de algunos aspectos de la situacin en el mundo y hace una prediccin. Por ejemplo , podra ser en la forma de un plan para efectuar algn cambio en el mundo , en la forma del dibujo de una analoga con algn esquema en una biblioteca con el fin de deducir un hecho no evidentes , o que podra estar en la forma de ofrecer algunos consejos a nivel de expertos . Estas contribuciones de la investigacin no tienen que ser probados en sistemas situados - hay un acuerdo implcito entre los investigadores acerca de lo que es razonable "contar " los sistemas en los datos de entrada .

. figura 4 . La red de subsuncin para controlar Genghis consiste en 57 aumentada mquinas de estado finito , con "cables" que los unen que pasan enteros pequeos como mensajes . Los elementos sin bandas en la parte superior se repite seis veces, una para cada pierna. La red fue construida incremental a partir de la esquina inferior derecha , y se aadieron nuevas capas , ms o menos hacia la esquina superior izquierda , lo que aumenta el repertorio de comportamiento en cada etapa .

En los nuevos enfoques hay un sentimiento mucho ms fuerte que los robots deben encontrar todo lo que fuera de su mundo particular, por s mismos. Esto no quiere decir que un conocimiento a priori no se puede incorporar en un robot , sino que debe ser no especfica a la ubicacin particular en la que se pondr a prueba el robot . Teniendo en cuenta las capacidades actuales de la percepcin ordenador , esto obliga a los robots basados en el comportamiento para operar en mucho ms incierto y mucho ms gruesamente descrito mundos de los sistemas de IA tradicionales que operan en simulados , mundos imaginados . Los nuevos sistemas pueden por lo tanto parecen tener mucho ms limitadas capacidades. Yo dira ( 48 ) , sin embargo, que los sistemas tradicionales operan de una manera que nunca ser transportable a los mundos reales que los robots basados en el comportamiento situados ya habitan.

Los nuevos enfoques de la robtica han cosechado un gran inters , y muchos . la gente est empezando a trabajar en sus diversos aspectos . Algunos estn tratando de construir sistemas que utilizan slo los nuevos enfoques , otros estn tratando de integrarlos con el trabajo existente, y por supuesto hay mucho trabajo permanente en el estilo tradicional. La comunidad est dividida sobre el enfoque adecuado , y ms trabajo necesita ser hecho para hacer comparaciones con el fin de entender mejor los asuntos .

. figura 5 . Un nmero de proyectos implica la combinacin de un sistema reactivo , la vinculacin sensores y actuadores con un sistema tradicional de AI que hace razonamiento simblico con el fin de ajustar los parmetros del componente situado