Robotika.lt

Bu! Robotai mokosi šokinėti kaip išgąsdinti žvėrys

Robotika.lt lapkričio 6, 2012 Robotai mokslui

Robotai išauginti saugioje laboratorijoje gali per lėtai reaguoti į pavojus tikrajame pasaulyje.

Tačiau biologijos įkvėpta programinė įranga žada suteikti robotams žinduoliško migdolinio kūno (angl. amygdala) atitikmenį – tai yra smegenų dalis, kuri greitai reaguoja į pavojų.

STARTLE robotas, sukurtas Maiko Huko (Mike Hook) ir jo kolegų iš kompanijos Roke Manor Research, įsikūrusios Romsio mieste, Hempšyre, JK, turi dirbtinę nervinę sistemą, kuri skirta vengti nenormalių ar prieštaringų duomenų. Kartą išmokytas, kas yra neįprasta, jis gali atpažinti pavojų aplinkoje.

Pavyzdžiui, informacijos, gautos iš robotizuotos transporto priemonės borto daviklių dėka, STARTLE galėtų pastebėti duobę ir įspėti valdymo sistemą sutelkti daugiau skaičiavimo išteklių į tą kelio dalį.

„Jeigu jis pamato ką nors nenormalaus, įsijungia tiriamasis informacijos apdorojimas; tai leidžia mums naudoti daug apskaičiavimų reikalaujančius algoritmus tik tada, kai jie reikalingi priartėjus prie galimo pavojaus, o ne nuolat.“ – sako Hukas.

Šis modelis imituoja migdolinį kūną, kuris greitai reaguoja į pavojų. Migdolinis kūnas padeda mažiems žvėreliams susidoroti su sudėtinga ir greitai besikeičiančia aplinka, nekreipiant dėmesio į daugumą jutiminių dirgiklių. „Esmė tame, kad ji skirta pastebėti neįprastas sąlygas,“ – kalba Hukas, – „O ne įprastines.“

STARTLE buvo išmėgintas tiek su automobilių navigacija, tiek robotų sveikatos stebėsena. Pastarojoje, jis gali būti išmokytas reaguoti į pavojaus ženklus, pavyzdžiui, staigius baterijos ar temperatūros pokyčius. Jis taip pat buvo išmėgintas kompiuterių tinkluose, kaip būdas surasti apsaugos skyles, išmokytas identifikuoti veiklos, susijusios su įsilaužimų, pobūdį.

„Roboto amygdalos tinklas gali būti naudingas.“ – sako neurologas Keitas Kendrikas (Keith Kendrick) iš Čengdu miesto Elektronikos ir technologijų universiteto Kinijoje. – „Tokios mažos rezoliucijos analizė kartais padarys klaidų ir kažko bus išvengta be reikalo.“ Tačiau lėtesnė, aukštos rezoliucijos analizė taip pat atlikta, sako jis, kuri gali nekreipti dėmesio į klaidas.

Huksas sako, kad STARTLE gali būti naudingas bet kokiems robotams sudėtingoje aplinkoje. Pavyzdžiui, robotizuota transporto priemonė galėtų pastebėti kitų vairuotojų klaidas – tai būtų didelis iššūkis įprastam duomenų apdorojimui.

Parengta pagal Boo! Robots learn to jump like frightened mammals



Facebook komentarai


Komentarai (0)


Parašykite komentarą

El. pašto adresas nebus skelbiamas. Būtini laukeliai pažymėti *