La robótica del desarrollo (DevRob), a veces llamada robótica epigenética, es un campo científico que tiene como objetivo estudiar los mecanismos de desarrollo, las arquitecturas y las limitaciones que permiten el aprendizaje abierto y permanente de nuevas habilidades y nuevos conocimientos en máquinas incorporadas. Al igual que en los niños humanos, se espera que el aprendizaje sea acumulativo y de complejidad progresivamente creciente, y que resulte de la autoexploración del mundo en combinación con la interacción social. El enfoque metodológico típico consiste en partir de teorías del desarrollo humano y animal elaboradas en campos como la psicología del desarrollo, la neurociencia, la biología evolutiva y evolutiva y la lingüística, para luego formalizarlas e implementarlas en robots, a veces explorando extensiones o variantes de ellas. La experimentación de esos modelos en robots permite a los investigadores confrontarlos con la realidad y, como consecuencia, la robótica del desarrollo también proporciona retroalimentación y nuevas hipótesis sobre teorías del desarrollo humano y animal.

La robótica evolutiva está relacionada con la robótica evolutiva (ER), pero difiere de ella. ER utiliza poblaciones de robots que evolucionan con el tiempo, mientras que DevRob está interesado en cómo se desarrolla la organización de un sistema de control de un solo robot a través de la experiencia, a lo largo del tiempo.

DevRob también está relacionado con el trabajo realizado en los dominios de la robótica y la vida artificial.

Fondo
¿Puede un robot aprender como un niño? ¿Puede aprender una variedad de nuevas habilidades y nuevos conocimientos no especificados en el momento del diseño y en un entorno parcialmente desconocido y cambiante? ¿Cómo puede descubrir su cuerpo y sus relaciones con el entorno físico y social? ¿Cómo pueden desarrollarse continuamente sus capacidades cognitivas sin la intervención de un ingeniero una vez que está «fuera de la fábrica»? ¿Qué puede aprender a través de las interacciones sociales naturales con los humanos? Estas son las preguntas en el centro de la robótica del desarrollo. Alan Turing, así como varios otros pioneros de la cibernética, ya formularon esas preguntas y el enfoque general en 1950, pero solo desde finales del siglo XX se comenzaron a investigar sistemáticamente.

Debido a que el concepto de máquina inteligente adaptativa es fundamental para la robótica del desarrollo, tiene relaciones con campos como la inteligencia artificial, el aprendizaje automático, la robótica cognitiva o la neurociencia computacional. Sin embargo, aunque puede reutilizar algunas de las técnicas elaboradas en estos campos, difiere de ellas desde muchas perspectivas. Se diferencia de la inteligencia artificial clásica porque no asume la capacidad del razonamiento simbólico avanzado y se centra en las habilidades sociales y sensoriales situadas y situadas en lugar de en los problemas simbólicos abstractos. Se diferencia del aprendizaje automático tradicional porque se enfoca en el aprendizaje autodeterminado independiente de la tarea en lugar de en la inferencia específica de la tarea sobre «datos sensori editados por humanos» (Weng et al., 2001). Se diferencia de la robótica cognitiva porque se centra en los procesos que permiten la formación de capacidades cognitivas en lugar de estas capacidades en sí mismas. Se diferencia de la neurociencia computacional porque se enfoca en el modelado funcional de arquitecturas integradas de desarrollo y aprendizaje. Más generalmente, la robótica del desarrollo se caracteriza únicamente por las siguientes tres características:

Se dirige a arquitecturas y mecanismos de aprendizaje independientes de la tarea, es decir, la máquina / robot debe poder aprender nuevas tareas que el ingeniero desconoce;
Enfatiza el desarrollo abierto y el aprendizaje de por vida, es decir, la capacidad de un organismo para adquirir continuamente habilidades novedosas. Esto no debe entenderse como una capacidad para aprender «cualquier cosa» o incluso «todo», sino simplemente que el conjunto de habilidades que se adquieren puede extenderse infinitamente al menos en algunas direcciones (no en todas);
La complejidad de los conocimientos y habilidades adquiridos aumentará (y el aumento se controlará) progresivamente.

La robótica del desarrollo surgió en la encrucijada de varias comunidades de investigación, incluyendo inteligencia artificial encarnada, ciencia cognitiva de sistemas inactivos y dinámicos, conexionismo. Partiendo de la idea esencial de que el aprendizaje y el desarrollo suceden como el resultado autoorganizado de las interacciones dinámicas entre los cerebros, los cuerpos y su entorno físico y social, y tratar de comprender cómo esta autoorganización puede aprovecharse para proporcionar un aprendizaje permanente independiente de la tarea. de habilidades de complejidad creciente, la robótica del desarrollo interactúa fuertemente con campos como la psicología del desarrollo, la neurociencia del desarrollo y la cognitiva, la biología del desarrollo (embriología), la biología evolutiva y la lingüística cognitiva. Dado que muchas de las teorías que surgen de estas ciencias son verbales y / o descriptivas, esto implica una formalización crucial y una actividad de modelado computacional en la robótica del desarrollo. Estos modelos computacionales no solo se utilizan como formas de explorar cómo construir máquinas más versátiles y adaptables, sino también como una forma de evaluar su coherencia y posiblemente explorar explicaciones alternativas para comprender el desarrollo biológico.

Direcciones de investigación
Dominios de habilidad
Debido al enfoque y la metodología generales, los proyectos de robótica del desarrollo normalmente se centran en que los robots desarrollen los mismos tipos de habilidades que los bebés humanos. Una primera categoría que se está investigando de manera importante es la adquisición de habilidades sensoriomotoras. Estos incluyen el descubrimiento del propio cuerpo, incluida su estructura y dinámica, como la coordinación mano-ojo, la locomoción y la interacción con los objetos, así como el uso de herramientas, con un enfoque particular en el descubrimiento y aprendizaje de los recursos. Una segunda categoría de habilidades dirigidas por los robots de desarrollo son las habilidades sociales y lingüísticas: la adquisición de juegos simples de comportamiento social como turnos, interacción coordinada, léxicos, sintaxis y gramática, y la puesta a tierra de estas habilidades lingüísticas en habilidades sensoriomotoras (algunas veces referidas como símbolo de puesta a tierra). Paralelamente, se está investigando la adquisición de habilidades cognitivas asociadas, como el surgimiento de la distinción auto / no auto, el desarrollo de las capacidades de atención, los sistemas de categorización y las representaciones de nivel superior de los costos o construcciones sociales, del surgimiento de valores. , empatía, o teorías de la mente.

Mecanismos y restricciones.
El sensorimotor y los espacios sociales en los que viven los humanos y los robots son tan grandes y complejos que solo una pequeña parte de las habilidades potencialmente aprendibles pueden ser exploradas y aprendidas en el transcurso de la vida. Por lo tanto, los mecanismos y limitaciones son necesarios para guiar a los organismos del desarrollo en su desarrollo y control del crecimiento de la complejidad. Existen varias familias importantes de estos mecanismos de guía y restricciones que se estudian en la robótica del desarrollo, todas inspiradas en el desarrollo humano:

Los sistemas motivacionales generan señales de recompensa internas que impulsan la exploración y el aprendizaje, que pueden ser de dos tipos principales:
Las motivaciones extrínsecas empujan a los robots / organismos a mantener propiedades internas específicas básicas, como el nivel del agua y los alimentos, la integridad física o la luz (por ejemplo, en sistemas fototrópicos);
las motivaciones intrínsecas empujan al robot a buscar la novedad, el desafío, la compresión o el progreso del aprendizaje per se, generando así lo que a veces se denomina aprendizaje y exploración impulsados ​​por la curiosidad, o alternativamente aprendizaje y exploración activos;
Orientación social: a medida que los humanos aprenden mucho al interactuar con sus compañeros, la robótica del desarrollo investiga mecanismos que pueden permitir que los robots participen en la interacción social de tipo humano. Al percibir e interpretar las señales sociales, esto puede permitir que los robots aprendan de los humanos (a través de diversos medios, como la imitación, la emulación, la mejora de estímulos, la demostración, etc.) y desencadenar la pedagogía humana natural. Por lo tanto, la aceptación social de los robots de desarrollo también se investiga;
Sesgos de inferencia estadística y reutilización acumulativa de conocimientos / habilidades: los sesgos que caracterizan tanto las representaciones / codificaciones como los mecanismos de inferencia pueden típicamente permitir una mejora considerable de la eficiencia del aprendizaje y, por lo tanto, se estudian. En relación con esto, los mecanismos que permiten inferir nuevos conocimientos y adquirir nuevas habilidades mediante la reutilización de las estructuras aprendidas previamente también son un campo de estudio esencial;
Las propiedades de realización, incluyendo geometría, materiales o primitivas / sinergias de motores innatos a menudo codificadas como sistemas dinámicos, pueden simplificar considerablemente la adquisición de habilidades sensoriales o sociales, y algunas veces se denominan cálculos morfológicos. La interacción de estas restricciones con otras restricciones es un importante eje de investigación;
Restricciones de maduración: en los bebés humanos, tanto el cuerpo como el sistema neural crecen progresivamente, en lugar de ser plenamente desarrollados al nacer. Esto implica, por ejemplo, que los nuevos grados de libertad, así como los aumentos del volumen y la resolución de las señales sensoriomotoras disponibles, pueden aparecer a medida que se desarrolle el aprendizaje y el desarrollo. Transponer estos mecanismos a los robots de desarrollo, y comprender cómo pueden dificultar o, por el contrario, facilitar la adquisición de habilidades complejas novedosas, es una cuestión central en la robótica del desarrollo.

Del desarrollo bio-mimético a la inspiración funcional.
Si bien la mayoría de los proyectos de robótica evolutiva interactúan fuertemente con las teorías del desarrollo animal y humano, los grados de similitud e inspiración entre los mecanismos biológicos identificados y su contraparte en los robots, así como los niveles de abstracción del modelado, pueden variar mucho. Si bien algunos proyectos apuntan a modelar con precisión tanto la función como la implementación biológica (modelos neuronales o morfológicos), como en neurorobótica, otros proyectos solo se centran en el modelado funcional de los mecanismos y restricciones descritos anteriormente, y podrían, por ejemplo, reutilizarse en sus técnicas de arquitectura Procedentes de las matemáticas aplicadas o de los campos de la ingeniería.

Preguntas abiertas
Dado que la robótica del desarrollo es un campo de investigación relativamente novedoso y al mismo tiempo muy ambicioso, quedan por resolver muchos desafíos abiertos fundamentales.

En primer lugar, las técnicas existentes están lejos de permitir que los robots de alta dimensión del mundo real aprendan un repertorio abierto de habilidades cada vez más complejas durante un período de vida. Los espacios sensorimotores continuos de alta dimensión son un obstáculo importante a resolver. El aprendizaje acumulativo de por vida es otro. En realidad, hasta el momento no se han realizado experimentos que duren más de unos pocos días, lo que contrasta severamente con el período de tiempo necesario para que los bebés humanos aprendan habilidades sensoriales y motoras básicas mientras están equipados con cerebros y morfologías que son mucho más poderosos que los mecanismos computacionales existentes.

Entre las estrategias a explorar para avanzar hacia este objetivo, la interacción entre los mecanismos y las restricciones descritas en la sección anterior se investigará de manera más sistemática. De hecho, hasta el momento se han estudiado principalmente de forma aislada. Por ejemplo, la interacción del aprendizaje motivado intrínsecamente y el aprendizaje guiado socialmente, posiblemente restringido por la maduración, es un tema esencial a investigar.

Otro desafío importante es permitir que los robots perciban, interpreten y aprovechen la diversidad de señales sociales multimodales proporcionadas por humanos que no son ingenieros durante la interacción entre humanos y robots. Estas capacidades son, hasta ahora, en su mayoría demasiado limitadas para permitir la enseñanza eficiente con fines generales de los seres humanos.

Una cuestión científica fundamental que debe entenderse y resolverse, que se aplica por igual al desarrollo humano, es cómo la composición, las jerarquías funcionales, los primitivos y la modularidad, en todos los niveles de las estructuras sensoriales y sociales, se pueden formar y aprovechar durante el desarrollo. Esto está profundamente vinculado con el problema de la aparición de símbolos, a veces denominado «problema de conexión a tierra de símbolos» cuando se trata de la adquisición del lenguaje. En realidad, la existencia y la necesidad de símbolos en el cerebro se cuestionan activamente, y se están investigando conceptos alternativos que aún permiten la composición y las jerarquías funcionales.

Durante la epigénesis biológica, la morfología no es fija, sino que se desarrolla en constante interacción con el desarrollo del sensoriomotor y las habilidades sociales. El desarrollo de la morfología plantea problemas prácticos obvios con los robots, pero puede ser un mecanismo crucial que debe explorarse más, al menos en la simulación, como en la robótica morfogenética.

Otro problema abierto es la comprensión de la relación entre los fenómenos clave investigados por robótica del desarrollo (por ejemplo, sistemas sensorimotores jerárquicos y modulares, motivaciones intrínsecas / extrínsecas / sociales y aprendizaje abierto) y los mecanismos cerebrales subyacentes.

De manera similar, en biología, los mecanismos de desarrollo (que operan en la escala de tiempo ontogenética) interactúan fuertemente con los mecanismos evolutivos (que operan en la escala de tiempo filogenética) como se muestra en la floreciente literatura científica «evo-devo». Sin embargo, la interacción de esos mecanismos en organismos artificiales, en particular los robots de desarrollo, todavía es poco estudiada. La interacción de los mecanismos evolutivos, el desarrollo de morfologías y el desarrollo de habilidades sensoriales y sociales será, por lo tanto, un tema altamente estimulante para el futuro de la robótica del desarrollo.