por Por ACTIVISTPOST| EUREKALERT
Visto en: Trikooba Blog
«Nuestro robot prácticamente ‘nace’ sin saber nada sobre la anatomía de sus piernas o cómo funcionan».
Científicos construyeron un perro robot con reflejos que le enseñan a caminar en una hora. Investigadores en Alemania dicen que la creación canina, llamada Morti, aprende a caminar rápidamente porque hace un buen uso de su médula espinal virtual.
El equipo alemán construyó el amigo de cuatro patas de rápido aprendizaje en un intento por averiguar más sobre cómo los animales en la naturaleza aprenden a caminar. Los animales nacen con redes de coordinación muscular en la médula espinal, pero aprender con precisión cómo usar los músculos y los tendones de las piernas puede llevar tiempo.
Los animales bebés comienzan sus vidas dependiendo de los reflejos de la médula espinal. Los reflejos de control motor más básicos también ayudan al animal a evitar caerse y lastimarse durante sus primeros intentos de caminar.
Luego, los animales deben practicar un control muscular más avanzado y preciso hasta que el sistema nervioso se adapte a los músculos y tendones de las piernas de la joven criatura.
«Como ingenieros y especialistas en robótica, buscamos la respuesta construyendo un robot que presenta reflejos como los de un animal y aprende de los errores», dice el primer autor del estudio, Felix Ruppert, del Instituto Max Planck de Sistemas Inteligentes en Stuttgart, en un comunicado de prensa .
“Si un animal tropieza, ¿es eso un error? No si sucede una vez. Pero si tropieza con frecuencia, nos da una medida de qué tan bien camina el robot”.
¿Cómo aprende el perro robot esta habilidad?
El perro robot funciona mediante el uso de un algoritmo complejo que guía cómo aprende. La información de los sensores de los pies se compara con los datos del modelo de médula espinal que se ejecuta como un programa en la computadora del robot.
El perro robot aprende a caminar comparando constantemente la información del sensor establecida y esperada, ejecutando bucles reflejos y adaptando la forma en que regula sus movimientos. El algoritmo adapta los parámetros de control de un Generador Central de Patrones (CPG).
En humanos y animales, estas son redes de neuronas en la médula espinal que producen contracciones musculares periódicas sin intervención del cerebro. Las redes generadoras de patrones nos ayudan a caminar, parpadear y digerir los alimentos.
Los reflejos son acciones involuntarias desencadenadas por vías codificadas que conectan sensores en la pierna con la médula espinal. Siempre que un animal camine sobre una superficie perfectamente plana, estos generadores de patrones pueden ser suficientes para controlar las señales de movimiento de la médula espinal.
Un pequeño golpe cambia la forma de caminar, los reflejos se activan y es posible que la criatura tenga que cambiar sus patrones de movimiento para evitar caerse. Estos cambios son reversibles y “elásticos”, y los patrones de movimiento vuelven a su configuración original después de la perturbación.
Si el animal no deja de tropezar, a pesar de los reflejos activos, entonces los patrones de movimiento deben volver a aprenderse y hacerse irreversibles. En un animal recién nacido, estos generadores de patrones aún no están lo suficientemente bien ajustados y el animal tropieza, tanto en terrenos llanos como irregulares.
Un pequeño golpe cambia la forma de caminar, los reflejos se activan y es posible que la criatura tenga que cambiar sus patrones de movimiento para evitar caerse. Estos cambios son reversibles y “elásticos”, y los patrones de movimiento vuelven a su configuración original después de la perturbación.
Si el animal no deja de tropezar, a pesar de los reflejos activos, entonces los patrones de movimiento deben volver a aprenderse y hacerse irreversibles. En un animal recién nacido, estos generadores de patrones aún no están lo suficientemente bien ajustados y el animal tropieza, tanto en terrenos llanos como irregulares.
La criatura aprende rápidamente cómo los generadores de patrones y las redes controlan los músculos y tendones de las piernas. Lo mismo ocurre con el robot, pero aprende sus movimientos incluso más rápido que un animal.
Morti aprende a evitar tropezar
Los generadores de patrones de Morti se simulan en una computadora pequeña y liviana que controla el movimiento de las piernas del robot. Esta médula espinal virtual se coloca en la espalda del robot cuadrúpedo donde estaría la cabeza. Durante la hora que tarda el robot en caminar sin problemas, los datos de los sensores de los pies del robot se comparan continuamente con el aterrizaje esperado previsto por el generador de patrones del robot.
Si el robot tropieza, el algoritmo cambia qué tan lejos se balancean las piernas hacia adelante y hacia atrás, qué tan rápido se balancean las piernas y cuánto tiempo está una pierna en el suelo. A medida que el robot aprende, el generador de patrones envía señales de motor adaptadas para que tropiece menos y aprenda a caminar.
En este marco, la médula espinal virtual no sabe nada sobre el diseño de las piernas del robot o sus motores y resortes. No saber nada sobre la física de la máquina significa que carece de un «modelo» de robot.
(Crédito: Felix Ruppert, Dynamic Locomotion Group en MPI-IS)
“Nuestro robot prácticamente ‘nace’ sin saber nada sobre la anatomía de sus piernas o cómo funcionan”, explica Ruppert. “El CPG se asemeja a una inteligencia de marcha automática incorporada que proporciona la naturaleza y que hemos transferido al robot. La computadora produce señales que controlan los motores de las piernas, y el robot inicialmente camina y tropieza”, continúa el autor del estudio.
“Los datos fluyen de regreso desde los sensores a la médula espinal virtual donde se comparan los datos del sensor y CPG. Si los datos del sensor no coinciden con los datos esperados, el algoritmo de aprendizaje cambia el comportamiento de caminar hasta que el robot camina bien y sin tropezar. Cambiar la salida CPG mientras se mantienen activos los reflejos y se monitorea el tropiezo del robot es una parte central del proceso de aprendizaje”.
‘El modelo robótico nos da respuestas a preguntas que la biología por sí sola no puede responder’
“No podemos investigar fácilmente la médula espinal de un animal vivo. Pero podemos modelar uno en el robot”, añade el coautor del estudio, Alexander Badri-Spröwitz.
“Sabemos que estas GPC existen en muchos animales. Sabemos que los reflejos están incrustados; pero ¿cómo podemos combinar ambos para que los animales aprendan movimientos con reflejos y GPC? Esta es una investigación fundamental en la intersección entre la robótica y la biología. El modelo robótico nos da respuestas a preguntas que la biología por sí sola no puede responder”.
Los autores dicen que su robot es bueno para el planeta ya que usa solo cinco vatios de potencia para caminar.
Deja una respuesta