Οι μηχανικοί στο Πανεπιστήμιο Columbia κατασκεύασαν ένα ρομπότ που μαθαίνει να κατανοεί τον εαυτό του, αντί τον κόσμο γύρω του.
Όπως γνωρίζει σχεδόν κάθε άνθρωπος, η εικόνα του σώματός μας μπορεί να μην είναι πάντα ακριβής ή ρεαλιστική, αποτελεί όμως μια σημαντική πληροφορία που καθορίζει το πώς λειτουργούμε στον κόσμο. Όταν, για παράδειγμα, ντυνόμαστε ή επιδιδόμαστε σε ένα σπορ, ο εγκέφαλός μας σχεδιάζει συνεχώς εκ των προτέρων, έτσι ώστε να μπορούμε να κινούμε το σώμα μας χωρίς να χτυπάμε σε εμπόδια, να σκοντάφτουμε ή να πέφτουμε (βέβαια, τα σχέδια αυτά δεν… πιάνουν πάντα!).
Οι άνθρωποι προσλαμβάνουμε από την βρεφική ηλικία το μοντέλο του σώματός μας και τώρα τα ρομπότ ακολουθούν το παράδειγμά μας. Μια ομάδα από το “Columbia University School of Engineering and Applied Science” ανακοίνωσε ότι δημιούργησε ένα ρομπότ που -για πρώτη φορά- μπορεί να λάβει γνώση ενός μοντέλου ολόκληρου του σώματός, του από την αρχή, χωρίς καμία ανθρώπινη βοήθεια. Οι ερευνητές, σε αυτή τη νέα μελέτη που δημοσιεύθηκε στο “Science Robotics”, παρουσιάζουν το πώς το ρομπότ τους δημιούργησε ένα κινηματικό μοντέλο του εαυτού του και πως το χρησιμοποίησε στη συνέχεια για να σχεδιάσει τις κινήσεις του, την επίτευξη στόχων και την αποφυγή εμποδίων, σε διάφορες καταστάσεις. Μάλιστα, ήταν σε θέση να αναγνωρίζει αυτόματα και στη συνέχεια να αντισταθμίζει ζημιές στο σώμα του.
Ρομπότ παρακολουθεί τον εαυτό του όπως ένα βρέφος εξερευνά τον εαυτό του σε μια αίθουσα με καθρέφτες
Οι ερευνητές τοποθέτησαν έναν ρομποτικό βραχίονα μέσα σε έναν κύκλο με πέντε βιντεοκάμερες. Το ρομπότ παρακολουθούσε τον εαυτό του μέσα από τις κάμερες καθώς κινείτο ελεύθερα. Όπως ακριβώς κάνει ένα βρέφος που εξερευνά τον εαυτό του για πρώτη φορά σε μια αίθουσα με καθρέφτες, έτσι και το ρομπότ λικνίστηκε και συστράφηκε για να μπορέσει να μάθει το πώς ακριβώς κινείτο το σώμα του, αποκρινόμενο στις διάφορες εντολές των κινητήρων. Μετά από τρεις ώρες περίπου, το ρομπότ σταμάτησε. Το εσωτερικό, βαθύ νευρωνικό του δίκτυο είχε ολοκληρώσει την εκμάθηση των σχέσεων μεταξύ των ενεργειών των κινητήρων του ρομπότ και του όγκου που αυτό καταλάμβανε στο περιβάλλον του.
«Ήμασταν πραγματικά περίεργοι να δούμε το πώς φανταζόταν το ρομπότ τον εαυτό του», δηλώνει ο Hod Lipson, καθηγητής μηχανολογίας και διευθυντής του εργαστηρίου “Columbia’s Creative Machines Lab”, όπου διεξήχθη το πείραμα. «Δεν μπορείς, όμως, απλά να κρυφοκοιτάξεις σε ένα νευρωνικό δίκτυο, είναι ένα “μαύρο κουτί». Οι ερευνητές δεν το έβαλαν, όμως, κάτω. Πειραματίστηκαν με διάφορες τεχνικές οπτικοποίησης, ώσπου σταδιακά έκανε την εμφάνισή της η ζητούμενη αυτοεικόνα. «Ήταν ένα είδος σύννεφου που τρεμοπαίζει απαλά, το οποίο φαινόταν να τυλίγει το τριδιάστατο σώμα του ρομπότ», λέει ο Lipson. «Καθώς το ρομπότ κινείτο, το τρεμάμενο σύννεφο το ακολουθούσε απαλά». Το ιδιο-μοντέλο του ρομπότ είχε ακρίβεια 1% περίπου για τον χώρο εργασίας του.
Credit: Boyuan Chen, Jane Nisselson/Columbia Engineering
Τα αυτο-μοντελοποιούμενα ρομπότ θα οδηγήσουν σε πιο αυτοδύναμα αυτόνομα συστήματα
Η ικανότητα των ρομπότ να μοντελοποιούν τον εαυτό τους χωρίς τη βοήθεια των μηχανικών είναι σημαντική για πολλούς λόγους: Όχι μόνο εξοικονομεί εργασία, αλλά επίσης επιτρέπει στο ρομπότ να προσαρμόζει τη λειτουργία του σύμφωνα με το μέτρο της φθοράς που έχει υποστεί, ακόμη και να ανιχνεύει και να αντισταθμίζει ζημιές του εαυτού του. Οι συγγραφείς υποστηρίζουν ότι αυτή η ικανότητα είναι σημαντική καθώς χρειαζόμαστε τα αυτόνομα συστήματα να στηρίζονται περισσότερο στον εαυτό τους. Ένα εργοστασιακό ρομπότ, για παράδειγμα, θα μπορούσε να εντοπίσει ότι κάτι δεν κινείται σωστά και να κάνει τις απαραίτητες ρυθμίσεις ή να καλέσει βοήθεια.
«Οι άνθρωποι έχουμε μία ξεκάθαρη εικόνα του εαυτού μας», εξηγεί ο κύριος συγγραφέας της μελέτης Boyuan Chen, επικεφαλής της εργασίας και επίκουρος καθηγητής στο Πανεπιστήμιο Duke. “Κλείστε τα μάτια σας και προσπαθήστε να φανταστείτε πώς θα κινείτο το σώμα σας αν εκτελούσατε κάποια ενέργεια, όπως το να τεντώσετε τα χέρια σας προς τα εμπρός ή να κάνετε ένα βήμα προς τα πίσω. Κάπου μέσα στον εγκέφαλό μας έχουμε μια ιδέα του εαυτού μας, ένα ιδιο-μοντέλο που μας πληροφορεί για τον όγκο του άμεσου περιβάλλοντός μας που καταλαμβάνουμε και το πώς αλλάζει αυτός καθώς κινούμαστε.
Αυτεπίγνωση στα ρομπότ
Η εργασία αποτελεί ενά τμήμα της -επί δεκαετίες- αναζήτησης του Lipson να βρει τρόπους ώστε να δώσει στα ρομπότ κάποια μορφή αυτογνωσίας. «Η αυτο-μοντελοποίηση αποτελεί μια πρωτόγονη μορφή αυτογνωσίας», εξηγεί. «Αν ένα ρομπότ, ένα ζώο ή ένας άνθρωπος έχουν ένα ακριβές ιδιο-μοντέλο, τότε μπορούν να λειτουργήσουν καλύτερα στον κόσμο, μπορούν να πάρουν καλύτερες αποφάσεις και να έχουν ένα εξελικτικό πλεονέκτημα.»
Οι ερευνητές έχουν επίγνωση των ορίων, των κινδύνων και των αντιπαραθέσεων σχετικά με τη χορήγηση μεγαλύτερης αυτονομίας στις μηχανές μέσω της αυτογνωσίας. Ο Lipson σπεύδει να παραδεχτεί ότι το είδος της αυτογνωσίας που επιδεικνύεται σε αυτή τη μελέτη είναι, όπως σημειώνει, «ασήμαντο σε σύγκριση με αυτό των ανθρώπων, αλλά πρέπει να ξεκινήσουμε από κάπου. Πρέπει να πάμε αργά και προσεκτικά, ώστε να μπορέσουμε να καρπωθούμε οφέλη, ενώ παράλληλα ελαχιστοποιούμε τους κινδύνους.»
Παραπομπές: Boyuan Chen, Robert Kwiatkowski, Carl Vondrick, Hod Lipson. Fully body visual self-modeling of robot morphologies. Science Robotics, 2022; 7 (68) DOI: 10.1126/scirobotics.abn1944
Πηγή: https://www.engineering.columbia.edu/
