Este robot se ayuda a sí mismo después de las lesiones. Por ejemplo, diagnostica una amputación de pierna y desarrolla independientemente modelos con los que puede continuar. Foto: Ciencia
Leyendo en voz alta, los investigadores estadounidenses han desarrollado un robot que sabe cómo ayudarse a sí mismo en situaciones imprevistas: al perder una pierna, desarrolla movimientos alternativos que no se programaron de esta manera. El robot autónomo primero registra el daño en caso de una "lesión" y luego pasa repetidamente por modelos de diseño propio hasta que encuentra el adecuado para continuar su misión, explican los investigadores en torno a Joshua Bongard. Esta autonomía es especialmente importante cuando solo los robots exploran planetas alienígenas. Bongard y sus colegas ordenaron que su robot de cuatro patas con dos sensores de posición simplemente caminara en línea recta. Luego le quitaron una pierna. A través de movimientos aparentemente juguetones, el robot puede evaluar primero dónde se encuentra el daño. Esto es seguido por la autoayuda real: el robot realiza un movimiento arbitrario y absorbe los datos sensoriales que resultan de este movimiento. A partir de estos datos, desarrolla modelos basados ​​en la relación entre el movimiento y el resultado. Estos modelos de movimiento están optimizados computacionalmente, su ejecución se analiza y se utiliza para otros cálculos. Entonces, el robot desarrolla gradualmente el mejor modelo para la compensación de la pierna faltante y puede seguir recto.

La investigación sobre robots autónomos es particularmente interesante para la NASA, que quiere usar robots para misiones en planetas extranjeros, así que Bongard. Incluso sin comunicarse con las personas, deben poder ayudarse a sí mismas en caso de daños para poder continuar con su tarea.

A diferencia de las máquinas, los animales tienen la capacidad de compensar las lesiones incapacitantes al reaccionar a ellas y desarrollar nuevos patrones de comportamiento. La mayoría de las máquinas, por otro lado, fallan inesperadamente. Aunque hay programas que pueden evolucionar por sí mismos, es difícil para máquinas complejas crear modelos muy precisos. Este es especialmente el caso cuando se trata de detectar y procesar cambios mecánicos imprevistos en la máquina.

Joshua Bongard (Universidad de Cornell, Ithaca) y otros: Science, Vol. 314, p. 1118 ddp / science.de? Anuncio de Sabine Keuter

© science.de

Recomendado La Elección Del Editor