نخاع مجازی به طور مداوم بهینه می شود — ScienceDaily

روپرت توضیح می‌دهد: «روبات ما عملاً «متولد» شده است و چیزی در مورد آناتومی پاهای خود یا نحوه عملکرد آن‌ها نمی‌داند. CPG شبیه هوش راه رفتن خودکار داخلی است که طبیعت فراهم می کند و ما آن را به ربات منتقل کرده ایم. رایانه سیگنال هایی تولید می کند که موتورهای پاها را کنترل می کند و ربات در ابتدا راه می رود و تلو تلو می خورد. داده ها از حسگرها به سمت ربات باز می گردند. نخاع مجازی که در آن داده‌های سنسور و CPG با هم مقایسه می‌شوند. اگر داده‌های حسگر با داده‌های مورد انتظار مطابقت نداشته باشد، الگوریتم یادگیری رفتار راه رفتن را تغییر می‌دهد تا زمانی که ربات به خوبی راه برود، و بدون زمین خوردن. تغییر خروجی CPG در حالی که رفلکس‌ها فعال هستند و نظارت بر تلو تلو خوردن ربات بخش اصلی فرآیند یادگیری است.”

فلیکس روپرت، دانشجوی سابق دکترا در گروه تحقیقاتی پویا در MPI-IS می‌گوید: «به‌عنوان مهندس و متخصص رباتیک، ما با ساختن رباتی که دارای رفلکس‌هایی مانند حیوان است و از اشتباهات درس می‌گیرد، به دنبال پاسخ هستیم. “اگر حیوانی تلو تلو بخورد، آیا این یک اشتباه است؟ نه اگر یک بار اتفاق بیفتد. اما اگر مرتباً تلو تلو بخورد، میزان خوب راه رفتن ربات را به ما نشان می دهد.”

محققان موسسه سیستم‌های هوشمند ماکس پلانک (MPI-IS) در اشتوتگارت یک مطالعه تحقیقاتی انجام دادند تا دریابند چگونه حیوانات راه رفتن را یاد می‌گیرند و از سکندری یاد می‌گیرند. آنها یک ربات چهار پا به اندازه سگ ساختند که به آنها در کشف جزئیات کمک کرد.

الگوریتم یادگیری پارامترهای کنترلی یک مولد الگوی مرکزی (CPG) را تطبیق می دهد. در انسان و حیوان، این مولدهای الگوی مرکزی شبکه‌ای از نورون‌ها در نخاع هستند که انقباضات دوره‌ای عضلانی را بدون ورودی مغز ایجاد می‌کنند. شبکه های مولد الگوی مرکزی به تولید کارهای ریتمیک مانند راه رفتن، پلک زدن یا هضم کمک می کنند. علاوه بر این، رفلکس‌ها اعمال کنترل غیرارادی حرکتی هستند که توسط مسیرهای عصبی رمزگذاری شده ایجاد می‌شوند که حسگرهای موجود در پا را به نخاع متصل می‌کنند.

الکساندر بدری اسپروویتز، نویسنده این نشریه با راپرت و سرپرست گروه تحقیقاتی حرکت پویا، می‌گوید: “ما نمی‌توانیم به راحتی در مورد نخاع یک حیوان زنده تحقیق کنیم. اما می‌توانیم در ربات از آن الگوبرداری کنیم.” “ما می دانیم که این CPG ها در بسیاری از حیوانات وجود دارند. می دانیم که رفلکس ها تعبیه شده اند؛ اما چگونه می توانیم هر دو را ترکیب کنیم تا حیوانات حرکات را با رفلکس ها و CPG ها بیاموزند؟ این یک تحقیق اساسی در تقاطع بین رباتیک و زیست شناسی است. مدل رباتیک به شما کمک می کند. ما به سوالاتی پاسخ می دهیم که زیست شناسی به تنهایی نمی تواند به آنها پاسخ دهد.”