Capítulo 4.

Inteligencia en Robots

José Martín Castro Manzano

Ideas Centrales

Robótica: “Alas” para la Inteligencia ArtificialControl de Robots Autónomos

Introducción

Años 60 – Nacimiento de la Robótica

Años 80 – Robótica Reactiva o Basada en el Comportamiento

Finales años 80, principio de los años 90 – Robótica Evolutiva

HistoriaEn 1985, fue establecida por la Asociación de la Industria Robótica Americana (Jablonsky y Posey, 1985) una definición de robot: manipulador reprogramable y multifuncional diseñado para mover material, partes, herramientas, o dispositivos especializados mediante movimientos variables programados para la realización de una variedad de tareas.

Autonomía definida

En palabras del filósofo Collier [2], un sistema es autónomo “si este usa su propia información para modificarse a si mismo y a su entorno, para aumentar su supervivencia, respondiendo a estímulos internos así como a su ambiente, con el fin de modificar sus funciones básicas para incrementar su viabilidad”.

Autonomía operativa

Es necesario que sea capaz de reaccionar ante situaciones no consideradas en la programación de su control sin la intervención exterior. Debe realizar en todo momento las funciones necesarias para “sobrevivir” en su entorno y cumplir las tareas encomendadas, sin que su programa de control defina necesariamente de una forma explícita todas las posibles acciones que debería de tomar ante las posibles situaciones que se presenten. En este sentido se dice que el robot autónomo debe ser no totalmente preprogramado.

Autonomía de factoría

Figura 1 – Fotografías de una planta de auto-ensamble, robot soldador de KUKA y un robot paralelo Delta de SIG Demaurex SA durante un empaquetamiento de chocolates

Autonomía energética y de tránsito

Figura 2 – Robot móvil Sojourner usado durante la misión del Pathfinder para exploración de Marte en verano de 1997. (http://ranier.oact.hq.nasa.gov/telerobotics_page/telerobotics.shtm).

Autonomía Bípeda

Figura 3 – Fotografías del Sony SDR-4X II, ©2003 Sony Corporation, y robot humanoide P2 de Honda, Japón. © Honda Motor Corporation

Aproximación Tradicional en Control de Robótica Autónoma

La idea implícita es que las interfaces del robot y percepción son un conjunto de símbolos sobre los que el sistema de inteligencia central opera. Sensa-elabora-actúa.

Aproximación Tradicional en Control de Robótica

Autónoma (cont.)

Figura 4 – Aproximación tradicional en Robótica

Aproximación Tradicional en Control de Robótica

Autónoma (cont.)

Dotado con una limitada capacidad para percibir

y modelar su entorno, Shakey podía realizar tareas que requerían planificación,

encontrar rutas, y mover objetos simples.

Figura 5 – Robot Shakey (1969).

Aproximación Tradicional en Control de Robótica

Autónoma (cont.)

Una de las principales razones de la falta de robustez que presenta la aproximación tradicional, ha sido ignorar en la estrategia las múltiples interacciones posibles entre los diferentes módulos, a la hora de diseñarlos.

Aproximación Basada en Comportamientos en Control de Robótica Autónoma

Figura 6 – Aproximación a la robótica basada en comportamientos

Aproximación Basada en Comportamientos en Control de

Robótica Autónoma (cont.)

Algunas de las ideas principales que se extraen de esta nueva propuesta, son:

Las representaciones simbólicas no son necesarias para la inteligencia robótica, excepto en un sentido muy limitado[4].‘El mundo es el mejor modelo de si mismo’ [5].Debe existir una interacción ininterrumpida entre el robot y el entorno; el robot se debe considerar un todo con el medio y se ha de constituir en una aproximación ascendente, resolviendo de lo complejo a lo sencillo[3].

Aproximación Basada en Comportamientos en Control de

Robótica Autónoma (cont.)

Los grandes problemas que presenta el control de la robótica basada en comportamientos[1]:

El crear los mecanismos que relacionen los sensores y actuadores en un nivel de coordinación capaz de generar un comportamiento autónomo en el entorno real, no es fácil.Al poner demasiado énfasis en elementos no deliberativos, se puede realmente ocultar la escalabilidad de los sistemas.

Automatización del Diseño: Robótica Evolutiva

Figura 7 – La robótica evolutiva trata de obtener de manera automática tanto los niveles de comportamiento como la interrelación entre ellos. El diseñador decide qué comportamiento debe generar, eliminando o, al menos, reduciendo las decisiones de cómo generarlo.

Automatización del Diseño: Robótica Evolutiva (cont.)

Irman Harvey en el artículo con el título “Robotics: Philophy of Mind Using a Screwdriver” , establece un paralelismo entre estrategias de diseño y posiciones filosóficas:

Automatización del Diseño: Robótica Evolutiva (cont.)

“Una característica distintiva de esta aproximación que utiliza evolución ciega, es que los diseños de los sistemas de control obtenidos son muy opacos e incompresibles para el analista humano. Con un esfuerzo considerable se pueden comprender los sistemas de control sencillos utilizando las herramientas de la teoría de sistemas dinámicos”.

Automatización del Diseño: Robótica Evolutiva (cont.)

En la metodología de la robótica evolutiva una vez establecido el marco de trabajo, si un robot “..camina como un pato y grazna como un pato, es un pato. Por esta razón algunas veces se nos acusa de ser los nuevos conductivistas”. (Harvey, 2000).

Automatización del Diseño: Robótica Evolutiva (cont.)

¿Qué método de evolución artificial se debe emplear?¿Qué se debe evolucionar desde la perspectiva de la robótica?¿Qué tipo de controlador se va a evolucionar?¿Cómo se van a representar las estructuras a evolucionar?¿Cómo se puede combinar la evolución con el aprendizaje en tiempo de vida?¿Dónde se debe evolucionar estas estructuras?¿Cómo generar comportamientos globales coherentes a partir de varios controladores?

Estado del Arte: Control de Robots Autónomos

Un Grid para un sistema de control de robot autónomo [7].Control Fuzzy de robot autónomo [8].Control de robot autónomo con células biológicas [9].

ConclusionesDiferentes aproximaciones se han desarrollado para el control de la robótica autónoma. Por muy detallistas que sean las representaciones que utilice el desarrollo tradicional, no seremos capaces de intuir e incluir todas las posibles contingencias reales con las que se tenga que enfrentar un robot autónomo. Por ello se necesita de un aprendizaje para conseguir la adaptación necesaria de un comportamiento, o incluso la supervivencia, ante cambios rápidos del entorno. La aproximación de la robótica basada en comportamientos se muestra bastante prometedora en cuanto al desarrollo de sistemas autónomos, que pueden interactuar en entornos dinámicos parcialmente desconocidos.

Conclusiones (cont.)

A pesar de lo anterior aun existen problemas por solucionar en ese enfoque, especialmente la complejidad que surge de las interacciones del robot con el entorno y entre los mismos comportamientos. Una forma de superar estos problemas es mediante el uso de evolución artificial, que permite la obtención automática de comportamientos simples y complejos, minimizando la intervención del diseñador humano; pero no es del todo suficiente. Sin duda, para conseguir comportamientos autónomos en robots hay que recurrir al aprendizaje en ‘tiempo de vida’.

Referencias[1] Santos José, Duro Richard, Evolución Artificial y Robótica Autónoma, Ra-Ma, 2005.[2] Collier John, What is Autonomy? 2001 [3] Brooks Rodney A., A Robust layered control system for a mobile robot, IEEE J. Robotics and Automation, RA-2, 1986.[4] Brooks Rodney A., Intelligence without representation, Artificial Intelligence, Vol. 48, 1991.[5] Brooks Rodney A., Intelligence without reason, Proceedings of the 1991 International Joint Conference on Artificial Intelligence, 1991.[6] Brooks Rodney A., Elephants don’t play chess, Desingning Autonomous Agents: Theory and Practice from Biology to Engineering and Back, Patti Maes (Ed.), MIT Press, 1990.[7] Sabatier Fabrice, De Vivo Amelia, Vialle Stephane, Frezza-Buet Hervé, A Grid for Autonomous Robot Control, GridUse 2004, Supélec, Francia.[8] Mohan Peri Vamsi, Simon Dan, Fuzzy Logic Control For An Autonomous Robot, 2005.[9] Soichiro Tsuda, Klaus-Peter Zauner, Yukio-Pegio Gunji, Robot Control with Biological Cells, Proceedings of the Sixth International Workshop on Information Processing in Cells and Tissues, 2005.