Когнитивная робототехника или когнитивные технологии — это подраздел робототехники, занимающийся наделением робота интеллектуальным поведением путем предоставления ему архитектуры обработки, которая позволит ему учиться и рассуждать о том, как себя вести в ответ на сложные цели в сложном мире. Когнитивную робототехнику можно считать инженерной ветвью воплощенной когнитивной науки и воплощенного встроенного познания , состоящей из автоматизации роботизированных процессов , искусственного интеллекта , машинного обучения , глубокого обучения , оптического распознавания символов , обработки изображений , анализа процессов, аналитики , разработки программного обеспечения и системной интеграции .
В то время как традиционные подходы когнитивного моделирования предполагали символические схемы кодирования как средство для изображения мира, перевод мира в эти виды символических представлений оказался проблематичным, если не несостоятельным. Таким образом, восприятие и действие , а также понятие символического представления являются основными проблемами, которые необходимо решать в когнитивной робототехнике.
Когнитивная робототехника рассматривает человеческое или животное познание как отправную точку для разработки роботизированной обработки информации, в отличие от более традиционных методов искусственного интеллекта . Целевые роботизированные когнитивные способности включают обработку восприятия, распределение внимания, предвосхищение , планирование, сложную двигательную координацию, рассуждения о других агентах и, возможно, даже об их собственных психических состояниях. Роботизированное познание воплощает поведение интеллектуальных агентов в физическом мире (или виртуальном мире, в случае имитируемой когнитивной робототехники). В конечном итоге робот должен уметь действовать в реальном мире.
Предварительная методика обучения робота, называемая моторным лепетом, включает в себя корреляцию псевдослучайных сложных моторных движений робота с результирующей визуальной и/или слуховой обратной связью, так что робот может начать ожидать шаблон сенсорной обратной связи, заданный шаблоном моторного выхода. Желаемая сенсорная обратная связь затем может использоваться для информирования сигнала управления двигателем. Считается, что это аналогично тому, как ребенок учится тянуться к объектам или учится производить речевые звуки. Для более простых роботизированных систем, где, например, обратная кинематика может быть реально использована для преобразования ожидаемой обратной связи (желаемого моторного результата) в моторный выход, этот шаг можно пропустить.
Как только робот сможет координировать свои двигатели для получения желаемого результата, можно использовать технику обучения путем имитации . Робот отслеживает работу другого агента, а затем пытается имитировать этого агента. Часто бывает сложно преобразовать информацию об имитации из сложной сцены в желаемый результат мотора для робота. Обратите внимание, что имитация является высокоуровневой формой когнитивного поведения, и имитация не обязательно требуется в базовой модели воплощенного познания животных.
Более сложный подход к обучению — «автономное приобретение знаний »: роботу предоставляется возможность самостоятельно исследовать окружающую среду. Обычно предполагается система целей и убеждений.
Несколько более направленный режим исследования может быть достигнут с помощью алгоритмов «любопытства», таких как интеллектуальное адаптивное любопытство [1] [2] или внутренняя мотивация на основе категорий. [3] Эти алгоритмы обычно включают в себя разбиение сенсорного ввода на конечное число категорий и назначение каждой из них некоторой системы прогнозирования (например, искусственной нейронной сети ). Система прогнозирования отслеживает ошибку в своих прогнозах с течением времени. Уменьшение ошибки прогнозирования считается обучением. Затем робот предпочтительно исследует категории, в которых он обучается (или уменьшает ошибку прогнозирования) быстрее всего.
Некоторые исследователи когнитивной робототехники пытались использовать такие архитектуры, как ( ACT-R и Soar (когнитивная архитектура) ) в качестве основы своих программ когнитивной робототехники. Эти высокомодульные архитектуры обработки символов использовались для имитации производительности оператора и производительности человека при моделировании упрощенных и символизированных лабораторных данных. Идея состоит в том, чтобы расширить эти архитектуры для обработки реального сенсорного ввода, поскольку этот ввод непрерывно разворачивается во времени. Нужен способ каким-то образом перевести мир в набор символов и их взаимосвязей.
Вот некоторые из фундаментальных вопросов, на которые еще предстоит ответить в области когнитивной робототехники:
Книга «Когнитивная робототехника » [4] Хумана Самани [5] использует междисциплинарный подход для охвата различных аспектов когнитивной робототехники, таких как искусственный интеллект, физические, химические, философские, психологические, социальные, культурные и этические аспекты.