Roboti kod kojih se konstrukcija tijela, odnosno kućišta, povećava ili razvija paralelno se neuronskom mrežom uče brže.
Roboti su do sada uspijevali da izvrše radnje za koje su programirani, međutim, otkriveno je da roboti kod kojih se konstrukcija tijela, odnosno kućišta, povećava ili razvija paralelno se neuronskom mrežom uče brže.
Džoš Bongard sa Univerziteta u Vermontu pozabavio se pitanjem kakav uticaj promjene tijela robota imaju na procese učenja.
On je to istražio putem simulacije na robotima sa četiri i šest nogu. Preko ugrađene neuronske mreže ti roboti su naučili da se kreću u pravcu izvora svjetlosti.
Novina koju je uveo Bongard sastoji se u simulaciji rasta nogu, prenio je "Dojče vele".
Rast se odvijao u četiri faze: trup je imao tri ili četiri segmenta, a noge su prvo bile fiksirane tako da je do kretanja dolazilo samo trzanjem trupa, a kasnije su stajale pod uglom od 30, 60 i na kraju 90 stepeni prema podlozi.
Tokom eksperimenta, Bongard je mijenjao nivo težine zadatka za robote, tako što je izvor svjetlosti postavljao na pravac koji je bio suprotan njihovom pravcu kretanja.
Ispostavilo se da su se roboti mnogo brže učili željenom ponašanju ukoliko je proces učenja pratio i razvoj njihovog tijela.
Osim toga, ponašanje robota koji "rastu" bilo je otpornije na slučajne smetnje.
Roboti koji su u konačnu formu dospijevali simulacijom rasta izgledali su isto kao i roboti koji su odmah sklapani u konačnu formu. Ali, kretali su se spretnije od njih!
Bongard izvještava da su kod robota koji su "rasli" bili primjetni talasasti pokreti tijela, koje drugi roboti nisu imali.
Očigledno je da roboti kod kojih se konstrukcija tela razvija paralelno se neuronskom mrežom uče - brže.
Ipak, ova pojava tek treba da se izuči, poručuje tim iz Vermonta.
No, taj tim je i ranijim eksperimentima već dokazao da roboti koji imaju složenije konstruisano, izraženo modularno tijelo, bolje izvršavaju zadatke i bolje se prilagođavaju okolnostima.
(Tanjug)