エピジェネティックロボティクスとも呼ばれる開発ロボット(Developmental robotics DevRob)は、生存力とオープンエンドの新しいスキルや体系化された機械の学習を可能にする発達メカニズム、アーキテクチャ、制約を研究することを目的とした科学分野です。 人間の子供の場合と同様に、学習は累積的であり、ますます複雑化し、社会的相互作用と組み合わせて世界の自己探求の結果であると予想されます。 典型的な方法論的手法は、発達心理学、神経科学、発達と進化生物学、言語学などの分野で精緻化された人間や動物の発達の理論から出発して、それらを形式化してロボットに実装し、時にはそれらの拡張または変形を探索する。 ロボットでのそれらのモデルの実験は、研究者が現実に立ち向かうことを可能にし、結果として、発達的ロボット工学は、人間および動物の発達の理論に関するフィードバックおよび斬新な仮説を提供する。

発達型ロボットは、進化型ロボット(ER)に関連するが、それとは異なる。 ERは、時間の経過と共に進化するロボットの集団を使用しますが、DevRobは、時間の経過とともに、単一のロボットの制御システムの構成がどのように経験を通じて開発されるかに関心があります。

DevRobは、ロボット工学と人工生命の分野で行われている作業にも関連しています。

バックグラウンド
ロボットは子供のように学べますか? 設計時や部分的に未知で変化の激しい環境で、未知のさまざまな新しいスキルや新しい知識を学ぶことができますか? 身体と社会的環境との関係をどのように発見することができますか? それが「工場外」になったら、エンジニアの介入なしに、どのようにしてその認知能力が継続的に発展するのでしょうか? 人間との自然な社会的交流を通じて何を学ぶことができますか? これらは開発ロボットの中心にある質問です。 Alan Turingは、サイバーネティクスの他の多くのパイオニアと同様に、すでに1950年にこれらの質問と一般的なアプローチを策定しましたが、20世紀末から体系的に調査され始めました。

適応インテリジェントマシンのコンセプトは、発達ロボットの中心であるため、人工知能、機械学習、認知ロボティクス、計算神経科学などの分野との関係があります。 それでも、これらの分野で精緻化された技術のいくつかを再利用するかもしれないが、それは多くの視点から彼らと異なる。 それは、古典的な人工知能とは異なり、高度な象徴的推論の能力を前提とせず、抽象的な象徴的な問題ではなく、具現化された感覚運動と社会的スキルに焦点を当てている。 これは、「スプーンによって人間が編集したセンサデータを扱う」というタスク特有の推論ではなく、タスクに依存しない自己決定学習を対象としているため、従来の機械学習とは異なります(Weng et al。、2001)。 コグニティブロボットとは異なり、それはこれらの能力そのものではなく認知能力の形成を可能にするプロセスに焦点を当てているからです。 それは、開発と学習の統合されたアーキテクチャの機能モデリングに焦点を当てているため、計算神経科学とは異なります。 より一般的には、開発ロボットは、以下の3つの特徴によって独特に特徴付けられる。

これは、タスクに依存しないアーキテクチャと学習メカニズムを対象としています。つまり、マシン/ロボットは、エンジニアが未知の新しいタスクを習得できなければなりません。
それは開放的な開発と生涯学習、すなわち生物が絶え間なく斬新な技能を身につける能力を強調している。 これは「何か」や「すべて」を学習する能力として理解されるべきではなく、取得されるスキルのセットが、少なくとも一部の(すべてではない)方向に無期限に拡張できること。
獲得した知識とスキルの複雑さは徐々に増加する(そして増加は制御される)。

発達的なロボット工学は、人工知能、能動的および力学的なシステムの認知科学、コネクティビティを含むいくつかの研究コミュニティの岐路に浮上した。 脳と身体とその物理的および社会的環境との間の力学的相互作用の自己組織化結果として学習と発達が起こり、この自己組織化がどのようにタスクに依存しない生涯学習を提供するかを理解しようとするという本質的な考え方から発展途上のロボット工学は、発達心理学、発達および認知神経科学、発達生物学(発生学)、進化生物学、および認知言語学などの分野と強く相互作用する。 これらの科学から来る理論の多くは口頭でも記述的でもあるので、これは開発ロボットにおける重要な形式化と計算モデリング活動を意味します。 これらの計算モデルは、より多目的で適応性のある機械を構築する方法を探求する方法としてだけでなく、一貫性を評価し、生物学的発展を理解するための代替的な説明を探求する方法としても使用される。

研究の方向性
スキルドメイン
一般的なアプローチと方法論のために、発達型ロボットプロジェクトは、通常、ロボットに人間の幼児と同じタイプのスキルを発達させることに焦点を当てています。 重要な調査対象の第1のカテゴリーは、感覚運動スキルの獲得です。 これには、手のひらの調整、歩行、物体との相互作用、ツールの使用などの構造とダイナミクスを含め、アフォーダンスの発見と学習に特に重点を置いて、自分自身の身体の発見が含まれます。 発達的なロボットが対象とする第2のスキルのカテゴリーは、社会的言語スキルである:ターン・テイリング、コーディネート・インタラクション、レキシコン、構文と文法などの単純な社会行動ゲームの獲得、これらの言語スキルを感覚運動スキル記号の接地として)。 並行して、自己/非自己区別の出現、注意力能力の発達、価値観の出現の類型化システムとより高いレベルのアフォーダンスや社会構造の表現など、関連する認知能力の獲得が調査されている、共感、または心の理論。

メカニズムと制約
人間とロボットが住む感覚運動と社会空間は非常に大きく、複雑で潜在的に学習可能なスキルのほんの一部のみが生涯に実際に探索され学習される。 したがって、発達中の生物の発達と複雑さの増大を制御するために、メカニズムと制約が必要である。 人間の発達に触発された、発達的なロボット工学で研究されている、これらの誘導メカニズムと制約のいくつかの重要なファミリーがあります。

モチベーションシステムは、探索と学習を促進する内部報酬シグナルを生成します。これは、主に次の2つのタイプがあります。
外因性の動機は、ロボット/生物に、食物および水位、物理的完全性、または光などの基本的な特定の内部特性(例えば光化学的システム)を維持するように促す。
内在的な動機は、新規性、挑戦、圧迫、学習の進歩そのものを探究するためにロボットにプッシュし、時には好奇心に基づく学習と探検、あるいは積極的な学習と探検と呼ばれるものを生み出す。
社会的指導:人間が仲間とやり取りすることによって多くを学ぶにつれて、発達的ロボットはロボットが人間のような社会的相互作用に参加することを可能にするメカニズムを調査する。 社会的合図を知覚し、解釈することによって、ロボットは人間から(模倣、エミュレーション、刺激の強化、デモンストレーションなどの多様な手段を介して)学び、自然な人間の教育学を引き起こすことができる。 したがって、開発ロボットの社会的受容も調査されている。
統計推論バイアスと累積知識/スキル再利用:表現/符号化と推論メカニズムの両方を特徴付けるバイアスは、通常、学習効率の大幅な改善を可能にし、したがって研究される。 これに関連して、以前に学習した構造を再利用することによって、新しい知識を推論し、新しいスキルを獲得することができるメカニズムも、必須の研究分野です。
幾何学、材料、またはしばしば動的システムとしてコード化された先天的モーター・プリミティブ/シナジーを含む実施形態の特性は、感覚運動または社会的スキルの取得をかなり単純化し、形態学的計算と呼ばれることがある。 これらの制約と他の制約との相互作用は重要な調査の軸です。
Maturationalの制約:人間の幼児では、身体と神経系の両方が、すでに出生時に本格的になるのではなく、徐々に成長します。 これは、例えば、利用可能な感覚運動信号の量および分解能の増加だけでなく、新しい自由度が、学習および開発が展開されるにつれて現れる可能性があることを意味する。 これらのメカニズムを開発ロボットに移し、どのようにしてそれが妨げられるか、または逆に新しい複雑な技能の獲得を容易に理解することは、開発ロボットの中心的な問題である。

Related Post

生態学的発達から機能的インスピレーションまで。
ほとんどの開発ロボット工学プロジェクトは、動物や人間の開発理論と強く相互作用しますが、同定された生物学的メカニズムとロボットの対応との類似度やインスピレーションの程度、抽象度のモデル化は大きく異なる可能性があります。 いくつかのプロジェクトでは、神経細胞のような機能と生物学的な実装(神経または形態モデル)の両方を正確にモデル化することを目指していますが、他のプロジェクトでは上記のメカニズムや制約の機能モデリングのみに焦点を当てており、適用された数学や工学分野から来ています。

オープンな質問
開発ロボットは比較的斬新な研究分野であり、同時に非常に野心的であるため、多くの根本的なオープンな課題が残っています。

まず第一に、既存の技術は、現実世界の高次元ロボットが、生涯にわたってますます複雑なスキルのオープンエンドのレパートリーを学ぶことを可能にすることにはほど遠い。 高次元の連続的な感覚運動空間は、解決すべき大きな障害である。 生涯学習はもう一つです。 実際には、数日以上の実験はこれまで設定されておらず、人間の幼児が基本的な知覚技能を習得するのに必要な時間とは対照的であり、既存の計算機機構よりもはるかに強力な脳や形態を備えています。

この目標に向かって進展するための探索戦略の中で、前節で述べたメカニズムと制約との相互作用をより体系的に調査しなければならない。 確かに、彼らはこれまで主に孤立して研究されてきました。 例えば、本質的に動機付けされた学習と社会的に誘導される学習(おそらく成熟によって制限される)との相互作用は、調査されるために不可欠な問題である。

もう一つの重要な課題は、ロボットが人とロボットとのやりとり中に人間以外の人間によって提供されるマルチモーダルな社会的合図の多様性を知覚し、解釈し、活用することを可能にすることである。 これらの能力は、これまでのところ、人間からの効率的な汎用教示を可能にするにはあまりにも限定されている。

人間開発にも同様に適用される、理解され、解決されるべき基本的な科学的問題は、開発中にどのような感覚運動および社会構造の構成要素、機能階層、プリミティブ、モジュール性がどのように形成され、活用されるかである。 これは、シンボルの出現の問題と深く関係しており、言語獲得に関しては「シンボルの接地問題」と呼ばれることもあります。 実際には、脳におけるシンボルの存在と必要性は積極的に疑問視されており、構成性と機能的階層を可能にする代替概念が検討されています。

生物学的エピジェネシスの間、形態学は固定されておらず、むしろ感覚運動および社会的技能の発達と一定の相互作用で発達する。 形態学の発展は、ロボットにとって明らかな実用上の問題を提起するが、形態形成ロボットなどの少なくともシミュレーションにおいて、さらに検討すべき重要な機構である可能性がある。

もう一つの未解決な問題は、発達的なロボット(例えば、階層的およびモジュール的な感覚運動系システム、内因性/外因性/社会的な動機づけ、およびオープンエンドの学習)および潜在的な脳メカニズムによって調査される重要な現象間の関係の理解である。

同様に、生物学においては、発達メカニズム(発生機構の時間スケールで作用する)は、繁栄している「evo-devo」科学文献に示されているように、進化メカニズム(系統発生時間スケールで作用する)と強く相互作用する。 しかし、人工生物、特に発達中のロボットにおけるこれらの機構の相互作用は、依然として非常に控えめである。 進化メカニズムの相互作用、形態の展開、感覚運動と社会的スキルの開発は、将来の開発ロボットにとって非常に刺激的な話題となるでしょう。

Share