一種將空間概念注入機器人系統(tǒng)的新方法

SorbonneUniversités和CNRS的研究人員最近研究了機器人系統(tǒng)中基于機器人的感覺運動流程出現(xiàn)簡化空間概念的先決條件。他們的研究預(yù)先發(fā)表在arXiv上，是一個大型項目的一部分，他們在這個項目中探索了如何將基本的感知概念(例如身體，空間，物體，顏色等)灌輸?shù)缴锘蛉斯は到y(tǒng)中。

到目前為止，機器人系統(tǒng)的設(shè)計主要反映了人類感知世界的方式。然而，設(shè)計僅由人類直覺引導的機器人可能會限制他們對人類經(jīng)歷的感知。

因此，為了設(shè)計完全自主的機器人，研究人員可能需要遠離與人類相關(guān)的結(jié)構(gòu)，允許機器人代理人開發(fā)他們自己的感知世界的方式。根據(jù)SorbonneUniversités和CNRS的研究人員團隊的說法，機器人應(yīng)該通過分析其感覺運動經(jīng)驗和識別有意義的模式來逐步發(fā)展自己的感知概念。

“一般的假設(shè)是沒有人對生物有機體給出感知概念，”開展這項研究的研究人員之一Alexander Terekhov告訴TechXplore。“這些概念隨著時間的推移而發(fā)展，作為有用的工具，幫助他們理解他們經(jīng)常暴露的巨大的感覺運動數(shù)據(jù)。因此，青蛙的空間概念很可能與蝙蝠的概念不同，這將是蝙蝠的概念。反過來又與人類不同。所以在建造機器人時，我們應(yīng)該給它什么樣的空間概念?可能沒有這些。如果我們想要機器人真正智能，我們不應(yīng)該使用抽象概念來構(gòu)建它們，而是提供他們使用算法讓他們自己開發(fā)這樣的概念。“

特列霍夫和他的同事們表明，空間作為與環(huán)境無關(guān)的概念不能只通過外部信息來推斷，因為這些信息根據(jù)環(huán)境中的情況而有很大差異。通過研究將運動命令與代理外部的刺激變化聯(lián)系起來的函數(shù)，可以更好地定義這一概念。

“重要的見解來自法國著名數(shù)學家亨利·龐加萊(Henri Poincare)的一項舊研究，他對一般的數(shù)學，特別是幾何學如何能夠從人類的感知中產(chǎn)生興趣，”特列霍夫說。“他認為，感官輸入中的巧合可能起著至關(guān)重要的作用。”

通過一個簡單的例子可以更好地解釋Poincare引入的思想。當我們觀察一個給定的物體時，眼睛捕捉到一個特定的圖像，如果物體向左移動10厘米，它將會改變。但是，如果我們向左移動10厘米，我們看到的圖像將保持幾乎完全相同。

“如果你想一想人體有多少受體，這個屬性似乎是不可思議的，”特列霍夫說。“幾乎不可能在一生中兩次輸入相同的輸入，但我們經(jīng)常會經(jīng)歷它。這些低概率事件可能被大腦用來構(gòu)建一般的感知概念。”

為了將這些想法應(yīng)用于機器人系統(tǒng)的設(shè)計，研究人員在其尖端編程了一個帶有攝像頭的虛擬機器人手臂。每次收到相同的視覺輸入時，機器人都會記錄來自手臂關(guān)節(jié)的測量結(jié)果。“通過關(guān)聯(lián)所有這些測量，機器人構(gòu)建了一個抽象，在數(shù)學上等同于其相機的位置和方向，即使它沒有明確訪問這些信息，”Terekhov說。“最重要的是，即使這個抽象概念是基于視覺輸入學習的，它最終會獨立于它，因此適用于所有環(huán)境;同樣地，我們的空間概念不依賴于我們的特定場景看到。”

在另一項研究中應(yīng)用相同的原理，研究人員成功地促使機器人補償由于放置在相機前面的鏡頭引起的光學畸變。通常，這可以通過在成對的失真和未失真圖像上訓練算法來實現(xiàn)。

“我們研究的棘手部分是，機器人必須通過僅觀察扭曲的圖像來完成這項任務(wù)，就像人類學會補償眼鏡引入的扭曲一樣，”特列霍夫說。“我們認為Poincare引入的原理是我們算法的基礎(chǔ)，它可以更加通用，并且可以在多個層次上被大腦利用。我們目前正在探索使用這些原理構(gòu)建不受影響的神經(jīng)網(wǎng)絡(luò)的可能性。從災(zāi)難性的遺忘中，可以逐漸積累知識。“