Когнитивная робототехника и искусственная эволюция

Труды 2-ой Всероссийской конференция «Нелинейная динамика в когнитивных
исследованиях – 2011», Нижний Новгород, ИПФ РАН, 2011, с. 196-198.
КОГНИТИВНАЯ РОБОТОТЕХНИКА И ИСКУССТВЕННАЯ ЭВОЛЮЦИЯ
Казанский Александр Борисович1,
Станкевич Лев Александрович2
1
Институт эволюционной физиологии и биохимии им. И.М. Сеченова, РАН, Санкт Петербург
2
Санкт-Петербургский государственный политехнический университет
С-Петербург, Политехническая 17-1-88, (812) 297-08-73, Stankevich_lev@inbox.ru
Ключевые слова: КОГНИТИВНАЯ РОБОТОТЕХНИКА, КОГНИТИВНЫЕ ПРОЦЕССЫ,
ИСКУССТВЕЕННАЯ ЭВОЛЮЦИЯ
Введение. Роботы были созданы, чтобы имитировать человеческое существо или
выполнять часть человеческих функций. С 1960-х годов главные усилия разработчиков роботов
были направлены на создание промышленных роботов с программным и адаптивным
управлением. В последнее время огромное внимание уделяется разработке роботов с
интеллектуальным управлением, функционирующих в среде людей и служащих им для помощи
или развлечений. Такие роботы относятся к области когнитивной робототехники.
Когнитивная робототехника обеспечивает роботу когнитивные способности за счет
специальной архитектуры системы управления, которая позволяет ему учиться и делать выводы
о том, как организовать свое поведение в ответ на сложные цели в сложных средах.
Когнитивные способности включают восприятие информации, выводы путем рассуждений,
внимание, предвидение, планирование, выводы о других роботах и людях и, возможно, выводы
о своих собственных ментальных состояниях. Эти способности реализуются когнитивной
системой робота и позволяют роботу успешно реализовать многие человеческие функции, что
делает его поведение очень похожим на поведение человека.
В последнее время в рамках когнитивной робототехники обсуждается возможность
создания роботов, обладающих не только когнитивными способностями, но и способностями к
эволюции в плане развития этих способностей при функционировании и передачи. Развитые
способности должны передаваться новому поколению роботов.
В данной работе обсуждается возможность создания когнитивной системы робота, в
которой заложена способность к эволюции, а также сохранения и передачи приобретенных
функций новым роботам, обеспечивая им развитие в плане приспособляемости к
изменившимся целям и условиям функционирования.
Когнитивная робототехника. Робототехника является научной и практической областью,
которая занимается исследованиями, разработкой и производством роботов различного типа и
назначения (промышленных, исследовательских, сервисных, домашних и др.). Когнитивная
робототехника является ветвью робототехники, которая обеспечивает роботу интеллектуальное
поведение и когнитивные способности за счет специальной архитектуры системы управления,
которая позволяет ему учиться и делать ментальные выводы о том, как организовать свое
поведение в ответ на сложные цели в сложных средах. Эта архитектура должна обеспечить
роботу взаимодействие со средой и поведение в соответствие с целями, которые могут быть
внешние и внутренние. Внешние цели обычно задаются оператором, а внутренние –
формируются самим роботом в соответствии заложенными в него критериями. Если робот
способен ставить цели сам, он считается автономным. Автономный интеллектуальный робот с
когнитивными способностями может обучаться в процессе работы и за счет этого
адаптироваться к изменениям среды. Когнитивные способности связаны также с возможностью
планирования действий, предсказания их последствий, организации взаимодействий с другими
роботами и людьми и пр. Развитие когнитивной робототехники произошло на пути
совершенствования интеллектуальной робототехники на основе новых психологических и
нейрофизиологических разработок. Стартовой точкой такого развития явилось изучение
способности к познанию у животных. Результаты такого изучения позволили разработать
вычислительные алгоритмы и средства для моделирования познания в роботах. Работы в
области когнитивной психологии и нейрофизиологии человека позволили разработать более
сложные средства моделирования когнитивных функций и процессов, которые теперь
начинают использоваться в когнитивной робототехнике. Теперь когнитивные способности
роботов включают восприятие сенсорной и командной информации, функции внимания,
предвидения, планирования, ментальный вывод о других и среде, а также, возможно, о своих
собственных ментальных состояниях. Предполагается, что робот, обладающий способностями
познания, должен рационально действовать в реальном мире, используя построенную им
модель этого мира и заложенные или приобретенные правила поведения в этом мире.
Ранние работы по когнитивной робототехнике имели целью реализацию систем,
основанных на спецификации, заданной формальными языками, такими как исчисление
ситуаций. Эти высокоуровневые спецификации являются абстракциями, но обеспечивают
значительные преимущества при практической реализации робототехнических приложений,
например, когнитивных агентов-игроков или поведенческих агентов систем управления
интеллектуальных роботов. В этом плане когнитивная робототехника рассматривалась как
новый подход к программированию роботов, основанный на высокоуровневых когнитивных
примитивах для реализации восприятия и действий роботов. Эти примитивы инспирированы
идеями когнитивной науки и нейронауки.
В настоящее время принято, что когнитивный робот должен демонстрировать: (1) знания,
убеждения, предпочтения, целеполагание, намерения; (2) атрибуты мотивации, такие как
наблюдение, предвидение, ревизию убеждений, планирование, коммуникации; (3) способность
функционировать в реальном мире и безопасно взаимодействовать с объектами этого мира,
включая манипуляции этими объектами и перемещение.
Обучение является главным средством, обеспечивающим способность робота
функционировать в изменяющемся реальном мире. Распространенная техника обучения –
имитация наблюдаемого поведения. Для этого робот должен быть обеспечен сенсорами,
нужными для выполнения человеческих задач, мониторинга человека, выполняющего задачу, а
также средствами запоминания и воспроизведения действий человека. В современном варианте
используются сенсорные системы, способные создавать трехмерное представление среды и
распознавание объектов в ней. Главная задача робота – интерпретировать сцену и понимать,
какие объекты нужны для решения поставленной задачи. Более сложная техника обучения
основана на методах автоматического извлечения знаний в процессе функционирования робота
и взаимодействия со средой. Используя такую технику, можно пытаться решить и наиболее
трудную задачу раскрытия своих способностей самим роботом.
В плане разработки программного обеспечения роботов, когнитивная робототехника
начинает использовать когнитивные архитектуры, такие как ACT-R, Soar, BDI, SS-RICS и пр.
(они будут рассмотрены в этом отчете). Эти архитектуры основаны на психологических
теориях познания и практического вывода, что позволяет обоснованно строить
интеллектуальные системы управления роботов с когнитивными способностями.
В работе предлагается строить когнитивную систему робота на основе концепций: (1)
мышления как процесса протекания множества активностей (мыслей) в среде беспрерывно
изменяющихся наборов циклических операций во временно связанных ассоциативных сетях;
(2) познания как процесса мышления с целью приобретения и накопления знаний о мире и
правилах поведения в нем; (3) сознания как результата процесса мышления, внезапно
возникающего при взаимодействии и соперничестве множества активированных нейронных
наборов, работающих параллельно и имеющих несознательный характер; (4) эволюции как
процесса развития набора когнитивных функций при возникновении новых целей и условий
функционирования.
Когнитивные системы (в техническом варианте) являются интеллектуальными системами,
построенными на основе моделей мышления и познания, поскольку они способны к обучению
и самообучению в процессе работы, а также к ментальному принятию решений и их
исполнению. Предполагается, что когнитивные системы должны иметь нервно-системную
организацию структуры, функций и поведения. Эффекторные системы, в свою очередь, должны
обеспечить устойчивое целенаправленное перемещение робота на двух ногах и манипуляции
двумя руками путем координации всех степеней подвижности робота, участвующих в
исполнении этих перемещений и манипуляций. Предлагается использовать нейрологические
средства, позволяющие реализовать когнитивные и эффекторные функции и процессы с
помощью обучаемых сетей, узлы которых строятся на основе разных логических базисов и
имеют элементы настройки (адаптации).
Искусственная эволюция. Рациональное поведение робота, приводящее к эффективному
достижению цели и в частности, к целенаправленному функционированию в сложной
меняющейся среде требует искусственной эволюции, например, в плане расширения набора
когнитивных функций. Формальная математическая или компьютерная имитационная модель
эволюции должна обладать определенной универсальностью. В этом случае её можно
использовать не только по прямому назначению, то есть для исследования самого процесса, но
и при исследовании других подобных процессов, а также при разработке эффективных
робототехнических устройств и систем управления сложными экономическими,
хозяйственными и иными комплексами.
Яркий пример творческого заимствования идей теории биологической эволюции и
использования их небиологических областях – взрывной характер развития так называемых
эволюционных вычислений, эволюционного дизайна и эволюционной робототехники [1, 2].
Сейчас это весьма обширная, разветвленная и непрерывно развивающаяся область прикладных
вычислений, охватывающая генетические алгоритмы, генетическое программирование и другие
типы эволюционных схем.
Специалисты в данных областях внимательно следят за открытиями новых биологических
механизмов и пытаются реализовать их в новых алгоритмах. Так, например, использование в
генетических алгоритмах «паразитических» мобильных генетических элементов –
искусственных транспозонов [3,4] позволило существенно увеличить эффективность
эволюционных расчетов при быстром поиске оптимумов сложных функций. В настоящее время
в эволюционные алгоритмы включаются механизмы индивидуального развития, генные сети,
коэволюционные процессы в сложной среде. Не менее интересны работы в области
искусственных иммунных систем, используемых в задачах распознавания, управления, защиты
информации [5].
В данной работе предлагается модель искусственной эволюции, основанная на иммунногенетическом алгоритме [6]. Такой алгоритм комбинирует иммунный алгоритм, основанный на
теории Баннета, и генетический алгоритм. Алгоритм позволяет генерировать новые
когнитивные функции, реализуемые на нейрологических средствах, и проверять их полезность
для достижения новых целей или приспособленности к измененным условиям
функционирования. Эта модель демонстрируется на примерах из когнитивной робототехники.
Заключение. В результате выполнения данной работы показана возможность создания
когнитивной системы робота, в которой заложена способность к эволюции, а также сохранения
и передачи приобретенных функций новым роботам, обеспечивая им развитие в плане
приспособляемости к изменившимся целям и условиям функционирования. Разработанная
модель искусственной эволюции опробована на примерах из области когнитивной
робототехники. Моделирование подтвердило эффективность предложенного подхода.
Литература
1.Back, T. Fogel D.B., and Michalewicz Z.
(Editors). Evolutionary Computation (Volumes 1 and 2). Institute of Physics Publishers, 2000.
2. Nolfi S.and Floreano D.. Evolutionary
Robotics. The Biology, Intelligence, and Technology
of Self-organizing Machines. MIT Press, Cambridge,
MA, 2001.
3. Spirov, A.V., Kazansky A.B. Jumping genes-mutators can raise efficacy of evolutionary search
//W.B.Langdon, E.Cantu-Paz, K.Mathias et al., (eds), Proc. Genetic and Evolutionary Computation
Conference, GECCO2002, (July 9-13), New York, Morgan Kaufmann Publishers, San Francisco,
2002. P. 561-568,
4. Spirov, A.V. Kazansky A.B., The usage of artificial transposons for the protection of already
found building blocks: the tests with royal road functions // Nagib Callaos, Alexander Pisarchik and
Mitsuyoshi Ueda, (eds.) Proc. The 6th World Multiconference on Systemics, Cybernetics and
Informatics, SCI2002, (July 14-18), Orlando, Florida. Int. Inst. Informatics and Systemics, 2002. V.
IV, P. 75-80.
5. Станкевич Л.А.,Казанский А.Б. Иммунологическая система обеспечения безопасности
гуманоидного робота // Труды 9-ой Всероссийской научно-практической конференции
«Актуальные проблемы защиты и безопасности», т. 5 – «Экстремальная робототехника», 2006,
с.145-152.
6. Станкевич Л.А., Цзя Лу. Имунная сеть с генетическим алгоритмом настройки для ПИДуправления . Научно-технические ведомости СПбГПУ. – СПб: Наука, 2009. – 4(82). - C. 27-36.