Suivez nous sur

Robotique

Des chercheurs donnent un comportement spontané à l'IA robotique

Le kit de préparation mis à jour on

Les chercheurs et les roboticiens essaient continuellement d'obtenir des fonctions autonomes chez les robots, et ils se tournent souvent vers le cerveau animal comme un point d'inspiration pour les mécanismes de contrôle. En raison de la nature spécifique à la tâche du comportement robotique, en raison de la dépendance à des modules prédéfinis et à des méthodologies de contrôle, leur flexibilité est souvent limitée.

Le développement le plus récent dans ce domaine vient de l’Université de Tokyo, où des chercheurs ont créé une méthode alternative basée sur l’apprentissage automatique pour donner des comportements spontanés à l’IA robotique. L’équipe y est parvenue en s’appuyant sur des modèles temporels complexes, tels que les activités neuronales du cerveau d’un animal.

La recherche a été publiée dans Science Advances, intitulé "Concevoir une commutation comportementale spontanée via une itinérance chaotique. » 

Chaos de haute dimension

Un système dynamique est un modèle mathématique des états internes en constante évolution de quelque chose, qui décrit les robots et leur logiciel de contrôle. Les chercheurs se concentrent particulièrement sur le chaos de haute dimension, une classe de systèmes dynamiques, en raison de sa capacité impressionnante à modéliser le cerveau des animaux. 

En raison de la complexité et de la sensibilité aux conditions initiales variables, le chaos de grande dimension est particulièrement difficile à contrôler. Pour faire progresser le domaine et franchir cet obstacle, des chercheurs du Laboratoire des systèmes intelligents et de l'informatique et du Centre de recherche sur l'intelligence artificielle de nouvelle génération de l'Université de Tokyo ont développé de nouvelles façons d'utiliser le chaos de haute dimension pour fournir aux robots des fonctions cognitives similaires à humains. 

Katsuma Inoue est doctorante et travaille sur la recherche. 

"Il existe un aspect du chaos de haute dimension appelé itinérance chaotique (IC) qui peut expliquer l'activité cérébrale pendant le rappel et l'association de la mémoire", a déclaré Inoue. "En robotique, l'IC a été un outil clé pour la mise en œuvre de modèles de comportement spontanés. Dans cette étude, nous proposons une recette pour mettre en œuvre l'IC de manière simple et systématique en utilisant uniquement des modèles de séries chronologiques complexes générés par un chaos de grande dimension. Nous avons estimé que notre approche recèle un potentiel pour des applications plus robustes et polyvalentes lorsqu'il s'agit de concevoir des architectures cognitives. Cela nous permet de concevoir des comportements spontanés sans aucune structure explicite prédéfinie dans le contrôleur, qui autrement constituerait un obstacle.

Qu'est-ce que le calcul de réservoir (RC) 

L’équipe s’est fortement appuyée sur le calcul de réservoir (RC), une technique d’apprentissage automatique impliquant la théorie des systèmes dynamiques. RC est utilisé pour contrôler les réseaux de neurones récurrents (RNN) et maintient la plupart des connexions d'un RNN fixes tout en modifiant seulement quelques paramètres. Ceci est différent des autres approches d’apprentissage automatique, qui modifient souvent légèrement toutes les connexions neuronales d’un réseau neuronal, et permet au système d’être formé plus rapidement.

Les chercheurs ont obtenu le résultat souhaité en appliquant les principes RC à un RNN chaotique, et cela a fini par démontrer des modèles de comportement spontanés. La formation pour le réseau se fait rapidement et avant l'exécution. 

"Les cerveaux des animaux produisent un chaos de haute dimension dans leurs activités, mais comment et pourquoi ils utilisent le chaos restent inexpliqués. Notre modèle proposé pourrait offrir un aperçu de la façon dont le chaos contribue au traitement de l'information dans notre cerveau », a déclaré Kohei Nakajima, professeur agrégé à l'université. «De plus, notre recette aurait un impact plus large en dehors du domaine des neurosciences, car elle peut potentiellement être appliquée à d'autres systèmes chaotiques également. Par exemple, les dispositifs neuromorphiques de nouvelle génération inspirés des neurones biologiques présentent potentiellement un chaos de haute dimension et seraient d'excellents candidats pour la mise en œuvre de notre recette. J'espère que nous verrons des implémentations artificielles des fonctions cérébrales avant trop longtemps.

Le développement est significatif pour les domaines de la robotique et de l'intelligence artificielle (IA), car les chercheurs s'attaquent à ce défi depuis un certain temps. C'est l'exemple le plus récent de la façon dont les champs progressent à un rythme rapide.

 

Alex McFarland est un journaliste et écrivain en IA qui explore les derniers développements en matière d'intelligence artificielle. Il a collaboré avec de nombreuses startups et publications d'IA dans le monde entier.