L’IA robotique apprend à être spontanée –
Français
Les fonctions autonomes pour les robots, comme la spontanéité, sont très recherchées. De nombreux mécanismes de contrôle des robots autonomes sont inspirés des fonctions des animaux, y compris des humains. Les roboticiens conçoivent souvent des comportements de robot à l’aide de modules et de méthodologies de contrôle prédéfinis, ce qui les rend spécifiques à une tâche, limitant leur flexibilité. Les chercheurs proposent une méthode alternative basée sur l’apprentissage automatique pour concevoir des comportements spontanés en capitalisant sur des modèles temporels complexes, comme les activités neuronales du cerveau animal. Ils espèrent voir leur conception implémentée dans des plates-formes robotiques pour améliorer leurs capacités autonomes.
Les robots et leur logiciel de contrôle peuvent être classés comme un système dynamique, un modèle mathématique qui décrit les états internes en constante évolution de quelque chose. Il existe une classe de système dynamique appelée chaos à haute dimension, qui a attiré de nombreux chercheurs car c’est un moyen puissant de modéliser le cerveau des animaux. Cependant, il est généralement difficile de maîtriser le chaos de grande dimension en raison de la complexité des paramètres du système et de sa sensibilité à des conditions initiales variables, phénomène popularisé par le terme «effet papillon». Des chercheurs du Laboratoire des systèmes intelligents et de l’informatique et du Centre de recherche sur l’intelligence artificielle de nouvelle génération de l’Université de Tokyo explorent de nouvelles façons d’exploiter la dynamique du chaos de haute dimension pour mettre en œuvre des fonctions cognitives de type humain.
“Il y a un aspect du chaos de grande dimension appelé itinérance chaotique (IC) qui peut expliquer l’activité cérébrale lors du rappel et de l’association de la mémoire”, a déclaré Katsuma Inoue, doctorante. «En robotique, l’IC a été un outil clé pour la mise en œuvre de modèles de comportement spontanés. Dans cette étude, nous proposons une recette pour implémenter l’IC de manière simple et systématique en utilisant uniquement des modèles de séries chronologiques complexes générés par un chaos de haute L’approche offre un potentiel pour des applications plus robustes et polyvalentes lorsqu’il s’agit de concevoir des architectures cognitives. Elle nous permet de concevoir des comportements spontanés sans aucune structure explicite prédéfinie dans le contrôleur, qui autrement constituerait un obstacle. “
L’informatique en réservoir (RC) est une technique d’apprentissage automatique qui s’appuie sur la théorie des systèmes dynamiques et fournit la base de l’approche de l’équipe. RC est utilisé pour contrôler un type de réseau neuronal appelé réseau neuronal récurrent (RNN). Contrairement à d’autres approches d’apprentissage automatique qui règlent toutes les connexions neuronales au sein d’un réseau neuronal, RC ne modifie que certains paramètres tout en gardant toutes les autres connexions d’un RNN fixes, ce qui permet de former le système plus rapidement. Lorsque les chercheurs ont appliqué les principes de RC à un RNN chaotique, il a montré le type de modèles de comportement spontanés qu’ils espéraient. Depuis un certain temps, cela s’est avéré une tâche difficile dans le domaine de la robotique et de l’intelligence artificielle. En outre, la formation pour le réseau a lieu avant l’exécution et dans un court laps de temps.
«Les cerveaux animaux génèrent un chaos de grande dimension dans leurs activités, mais comment et pourquoi ils utilisent le chaos restent inexpliqués. Notre modèle proposé pourrait donner un aperçu de la façon dont le chaos contribue au traitement de l’information dans notre cerveau», a déclaré le professeur agrégé Kohei Nakajima. «En outre, notre recette aurait un impact plus large en dehors du domaine des neurosciences, car elle peut également être appliquée à d’autres systèmes chaotiques. Par exemple, les dispositifs neuromorphiques de nouvelle génération inspirés par les neurones biologiques présentent potentiellement un chaos de haute dimension et seraient d’excellents candidats pour la mise en œuvre de notre recette. J’espère que nous verrons bientôt des implémentations artificielles des fonctions cérébrales. “
Source de l’histoire:
Matériaux fourni par Université de Tokyo. Remarque: le contenu peut être modifié pour le style et la longueur.
