Navegacion mediante Evolucion deRedes Neuronales Recurrentes y
DinamicasTesis Doctoral dirigida por Blanca Cases y
Alvaro Moreno Bergareche
Pablo Gonzalez Nalda
Depto. de Lenguajes y Sistemas Informaticos
10 de octubre de 2008
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Introduccion
Objetivo: desarrollo exploratorio de la Robotica Evolutiva confines tecnicos.
Marco teorico verificado experimentalmente.
Experimentos:
Simulacion de un robot y su entorno
comportamiento de navegacion en entornos noestructurados
sonidos reales como unicos puntos de referencia
2 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Contenidos de la presentacion
1 Area de investigacion
2 Robotica Evolutiva
3 Objetivos del trabajo
4 Diseno de Topos
5 Resultados
6 Analisis de un individuo
7 Conclusiones3 / 62
Contenidos
Area deinvestigacion
Robotica
Entorno
Sımbolos
Conexionismo
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
1 Area de investigacion
2 Robotica Evolutiva
3 Objetivos del trabajo
4 Diseno de Topos
5 Resultados
6 Analisis de un individuo
7 Conclusiones
4 / 62
Contenidos
Area deinvestigacion
Robotica
Entorno
Sımbolos
Conexionismo
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Robotica en entornos no estructurados
Entorno no estructurado: representacion inviable
por falta de informacion,
porque el entorno es cambiante
descripcion no manejable por complicada.
Robotica Evolutiva adecuada (diseno automatico)
5 / 62
Contenidos
Area deinvestigacion
Robotica
Entorno
Sımbolos
Conexionismo
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Espectro de control robotico
Espectro de control robotico [Arkin, 1998]: sistemasdeliberativos
simbolicos,
basados en Inteligencia Artificial “clasica” y
adecuados para entornos altamente estructurados,
a sistemas reactivos
subsimbolicos,
basados en sistemas conexionistas y
adecuados para entornos no estructurados.
6 / 62
Contenidos
Area deinvestigacion
Robotica
Entorno
Sımbolos
Conexionismo
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Conceptos para la Robotica
Corporeidad: el controlador depende de lamorfologıa del robot [Brooks, 1991]
Ubicacion: un robot debe estar acoplado a suentorno y tomarlo como el modelo delmundo [Brooks, 1991]
Simulaciones mınimas: se pueden construir simulacionessencillas que produzcan controladoresvalidos para robots fısicos [Jakobi,1998]
7 / 62
Contenidos
Area deinvestigacion
Robotica
Entorno
Sımbolos
Conexionismo
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Diseno automatico
Diseno a mano: el programador elige
la manera de procesar los datos
determina que informacion es relevante
Diseno automatico: el sistema facilita
la evolucion el conjunto de hardware y controlador
la aplicacion de los conceptos de corporeidad y ubicacion
la decision de la estructura perceptiva
8 / 62
Contenidos
Area deinvestigacion
Robotica
Entorno
Sımbolos
Conexionismo
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Inspiracion Biologica
Referente en el diseno de robots autonomos
funcional
estructural
con diferentes niveles de inspiracion
Robotica Biomimetica: copia estructural y funcional
9 / 62
Contenidos
Area deinvestigacion
Robotica
Entorno
Sımbolos
Conexionismo
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Entorno multidisciplinar
Referente teorico para objetivo tecnico, no descriptivo:
Biologıa: evolucion y morfologıa
Neurociencias: estructura y su relacion con lapercepcion
Psicologıa: percepcion basica y comportamiento
Filosofıa de la Ciencia: vision de conjunto y abstraccion de losmecanismos
Prioridad del objetivo practico frente al conocimiento
10 / 62
Contenidos
Area deinvestigacion
Robotica
Entorno
Sımbolos
Conexionismo
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Inteligencia, Emergencia, Autoorganizacion y VidaArtificial
La Inteligencia a traves de la Vida Artificial
Comportamiento funcional complejo
resultado de la dinamica global emergente
interaccion de multitud de elementos
mediante reglas locales simples
no reducible al comportamiento de las partes
11 / 62
Contenidos
Area deinvestigacion
Robotica
Entorno
Sımbolos
Conexionismo
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Sımbolos o Base Fısica
La Hipotesis del Sistema de Sımbolos
Los sensores suministran sımbolos.
Por ello el sistema de razonamiento puede separarse delsensomotor.
La Hipotesis de la Base Fısica
Los sistemas deben usar representaciones basadas en elmundo fısico: “Es mejor usar el mundo como su propiomodelo” [Brooks, 1991]
La Inteligencia es inseparable del cuerpo y del entorno.
12 / 62
Contenidos
Area deinvestigacion
Robotica
Entorno
Sımbolos
Conexionismo
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Conexionismo, PDP
Procesamiento Distribuido Paralelo: procesamientosubsimbolico de la informacion por un conjunto de elementossimples con reglas locales, de los que emerge una dinamicaglobal.
Inspirados en:
Fısica: Enfriamiento Estadıstico (SimulatedAnnealing)
Topologıa: SOM o Redes de Kohonen
Probabilidad: Redes Bayesianas
Neurociencias: Redes Neuronales
13 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos ysituacion actual
Lıneas de trabajo
Simulaciones eimplementaciones
Lımites y problemas
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
1 Area de investigacion
2 Robotica Evolutiva
3 Objetivos del trabajo
4 Diseno de Topos
5 Resultados
6 Analisis de un individuo
7 Conclusiones
14 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos ysituacion actual
Lıneas de trabajo
Simulaciones eimplementaciones
Lımites y problemas
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Objetivos de la Robotica Evolutiva
La Robotica Evolutiva
estudia mecanismos cognitivos creando modelos
crea sistemas con comportamientos funcionalmente mascomplejos
encuentra mejores soluciones para entornos noestructurados mediante
sistemas subsimbolicosdiseno automatico
15 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos ysituacion actual
Lıneas de trabajo
Simulaciones eimplementaciones
Lımites y problemas
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Lıneas de trabajo en la Robotica Evolutiva
Estudio de los procesos cognitivos [Harvey, Di˜Paolo,Wood, Quinn, and Tuci, 2005].
Validacion de teorıas neurocientıficas y biologicas, comola Fonotaxia del grillo [Webb, 2002, Lund, Webb, andHallam, 1997].Estudio procesos cognitivos con objetivostecnicos [Suzuki and Floreano, 2008, Suzuki, 2007].
Estudio de los modelos como sistemas dinamicos [Beer,1992].
16 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos ysituacion actual
Lıneas de trabajo
Simulaciones eimplementaciones
Lımites y problemas
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Simulaciones e implementaciones en robots fısicos
Se han definido dos lıneas en cuanto a las simulaciones:
es inutil trabajar solo en simulacion porque no se asegurasu funcionamiento en la realidad [Floreano and Mondada,1996].
es posible definir una simulacion mınima que permite ofacilita saltar de simulacion a realidad [Jakobi, 1998].
17 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos ysituacion actual
Lıneas de trabajo
Simulaciones eimplementaciones
Lımites y problemas
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Lımites y problemas de la Robotica Evolutiva
Dos problemas principales:
Morfogenesis: desarrollo de una forma a partir de lainformacion genetica
Escalabilidad : aplicacion del mecanismo a problemascuantitativamente mas complejos
18 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Percepcion
Problemaplanteado
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
1 Area de investigacion
2 Robotica Evolutiva
3 Objetivos del trabajo
4 Diseno de Topos
5 Resultados
6 Analisis de un individuo
7 Conclusiones
19 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Percepcion
Problemaplanteado
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Objetivo principal del trabajo
Objetivo principal del trabajo
Obtencion de un robot en simulacion
navegacion en entornos no estructurados
diferenciar senales variables en el tiempo
sonidos como puntos de referencia
sin mapas ni otros sistemas de localizacion
Navegacion
Navegacion es el movimiento dirigido de un agente, generadoanalizando aquella informacion sensorial que el agentenecesita para realizar sus funciones vitales
20 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Percepcion
Problemaplanteado
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Navegacion: corporeidad y simetrıa axial
Vehıculos de Braitenberg [Braitenberg, 1984].
21 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Percepcion
Problemaplanteado
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Navegacion: Percepcion y Redes Neuronales
Redes Neuronales:
sistemas conexionistas
generalizacion y parametrizacion
inspiracion biologica
reconocimiento de patrones o extraccion decaracterısticas (navegacion)
paralelamente, adquisicion de informacion y control de laparte motora
Las Redes Neuronales de Pulsos
tienen mas potencia de procesamiento temporal de laentrada [Maass, 1997, Izhikevich, 2006]
mas resistentes al ruido (activacion digital) [Maass, 1997]
22 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Percepcion
Problemaplanteado
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Problema implementado en la aplicacion Topos
Simulacion de un robot que:
navega usando puntos de referencia basados en sonidoreal
distingue dos senales compuestas que varıan en el tiempo(sonido real)
recibe una senal que varıa independientemente de sumovimiento
elige una de las dos senales acercandose a ella en unesquema caja de Skinner
percibe y actua a traves de una Red Neuronal de Pulsosy sensores evolucionados
se disena con un enfoque fuertemente bioinspirado
23 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Descripcion global
Faros
Topos
Oıdos
Neuronas
Algoritmo Genetico
Fitness
Resultados
Analisis de unindividuo
Conclusiones
Referencias
1 Area de investigacion
2 Robotica Evolutiva
3 Objetivos del trabajo
4 Diseno de Topos
5 Resultados
6 Analisis de un individuo
7 Conclusiones
24 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Descripcion global
Faros
Topos
Oıdos
Neuronas
Algoritmo Genetico
Fitness
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Diseno de Topos
Simulacion de un robot de dos ruedas.
Superficie rectangular con dos fuentes de sonido.
Red Neuronal de Pulsos que conecta sensores con motores.
Se evoluciona una poblacion de robots con un AlgoritmoGenetico elitista.
Seleccion: acercarse a la fuente de sonido determinada alprincipio de las pruebas (caja de Skinner).
25 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Descripcion global
Faros
Topos
Oıdos
Neuronas
Algoritmo Genetico
Fitness
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Proceso auditivo
26 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Descripcion global
Faros
Topos
Oıdos
Neuronas
Algoritmo Genetico
Fitness
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Fuentes de sonido o faros
Los faros son fuentes de sonido estereo.
27 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Descripcion global
Faros
Topos
Oıdos
Neuronas
Algoritmo Genetico
Fitness
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Individuos o topos
Los topos son simetricos por diseno. Se componen de:
dos oıdos con oıdo externo e interno (coclea)dos subredes neuronales interconectadasinformacion geneticaposicion
28 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Descripcion global
Faros
Topos
Oıdos
Neuronas
Algoritmo Genetico
Fitness
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Oıdo interno (Transformada de Fourier) yactivacion de neuronas sensoras
Los sensores simulan los campos receptivos de nuestros oıdos.
A la activacion del sensor se le resta un numero aleatorio(ruido de la senal).
29 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Descripcion global
Faros
Topos
Oıdos
Neuronas
Algoritmo Genetico
Fitness
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Funcionamiento de las neuronas
st−1i =
N∑j=1
wijat−1j
ati = f(st−1i )
f(x) =
{x, si x < θi
e−αp · cos(βp), si x ≥ θi p pasos de actualizacion
30 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Descripcion global
Faros
Topos
Oıdos
Neuronas
Algoritmo Genetico
Fitness
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Algoritmo Genetico
La representacion del individuo en el genotipo es directa.
Los parametros del robot se codifican en numeros reales yenteros, y booleanos codificados como enteros.
La evolucion es elitista:
el 25 % mejor: pasa a la siguiente generacion.
el 25 % peor: se desecha.
el 75 % mejor (elite incluida): cruce y creacion de lasiguiente generacion.
Mutacion: 10 % de las copias de datos (gaussiana de media 1).
31 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Descripcion global
Faros
Topos
Oıdos
Neuronas
Algoritmo Genetico
Fitness
Resultados
Analisis de unindividuo
Conclusiones
Referencias
El problema y la funcion de adecuacion o fitnessfunction
El problema se considera complejo pero la funcion deadecuacion es sencilla:
resta un valor proporcional al cuadrado de la distanciamınima al faro correcto
suma un valor proporcional al cuadrado de la distanciamınima al faro incorrecto
se suma (resta) una bonificacion si se ha acercado a unadistancia del faro.
el valor final es la media de cinco pruebas, sustituyendolos negativos por cero.
32 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Descripcion global
Faros
Topos
Oıdos
Neuronas
Algoritmo Genetico
Fitness
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Ejemplo de movimiento de un robot
33 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
1 Area de investigacion
2 Robotica Evolutiva
3 Objetivos del trabajo
4 Diseno de Topos
5 Resultados
6 Analisis de un individuo
7 Conclusiones
34 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
Resultados de los experimentos realizados conTopos
Evaluacion: acertar, fallar o no alcanzar una fuente de sonido.
Valores que indican la capacidad de hacer la tarea enporcentaje de efectividad.
eficacia absoluta: efa = aciertos/pruebas
eficacia relativa: efr = aciertos/(aciertos+fallos)
Estas cantidades indican de forma absoluta la capacidad desolucionar un problema, frente a una fitness relativa difıcil deinterpretar.
35 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
Comprobacion del sistema sin sonido y con unsonido en un faro
36 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
Comprobacion del sistema con dos sonidos igualesen los faros
37 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
Reconocimiento de una determinada intensidad desenal(ruido rosa contra blanco)
38 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
Reconocimiento de una secuencia temporal
39 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
Robustez frente al ruido (baterıa y rock)
40 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
Comportamiento de la poblacion sin y con ruido
41 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
Con dos y cuatro fuentes de ruido blanco
42 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
Sonidos con partes de silencio
43 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
Resultados con sonidos con partes de silencio
44 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Evaluacion absoluta
Correccion
Senales complejas
Ruido
Silencio
PCM
Analisis de unindividuo
Conclusiones
Referencias
Sonidos con formato PCM
45 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Lımites
Conclusiones
Referencias
1 Area de investigacion
2 Robotica Evolutiva
3 Objetivos del trabajo
4 Diseno de Topos
5 Resultados
6 Analisis de un individuo
7 Conclusiones
46 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Lımites
Conclusiones
Referencias
Dificultades en el analisis de un individuo
Es difıcil determinar cuales son las partes funcionales yque caracterısticas son necesarias.
El metodo es anular partes del individuo y observar si se siguecomportando igual, de forma degradada o se han perdido lascapacidades.
47 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Lımites
Conclusiones
Referencias
Poda de un individuo (experimento con partes desilencio)
Numero de neurona (negro). Conexiones y retardos de lasconexiones entrantes en naranja (peso positivo) y azul (pesonegativo). Los pesos de los sensores son todos positivos (colorvino). El retardo de valor 56 es recursivo.
48 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Lımites
Conclusiones
Referencias
Sensores
Sensores FC Umbral Bandas Saturacion Peso
0 y 5 2292.9 20 5 22 791 y 4 1391.7 23 15 269 52
Su separacion a cada lado del eje es de 64◦.49 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Conclusionesglobales
Trabajo futuro
Referencias
1 Area de investigacion
2 Robotica Evolutiva
3 Objetivos del trabajo
4 Diseno de Topos
5 Resultados
6 Analisis de un individuo
7 Conclusiones
50 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Conclusionesglobales
Trabajo futuro
Referencias
Resultados: viabilidad de un desarrollo tecnico enla Robotica Evolutiva
Se ha construido una simulacion en la que se obtienemediante estrategias evolutivas un robot que:
navega usando puntos de referencia complejos
distingue y elige una de las dos senales compuestas quevarıan en el tiempo (sonido real)
recibe una senal que varıa independientemente de sumovimiento
percibe y actua a traves de una Red Neuronal de Pulsosy sensores evolucionados
se disena con un enfoque fuertemente bioinspirado
51 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Conclusionesglobales
Trabajo futuro
Referencias
Conclusiones
El robot tiene un comportamiento de navegacion al diferenciarsonidos variables en el tiempo que usa como puntos dereferencia.
El resultado valida el metodo como adecuado para obtenerrobots que desarrollen tareas complejas en entornos noestructurados.
El controlador del robot es mucho mas sencillo que lo queharıa falta con tecnicas de IA clasica.
52 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Conclusionesglobales
Trabajo futuro
Referencias
Dificultades comprobadas en la construccion delsistema
La aplicacion tiene un diseno tradicional en la RoboticaEvolutiva.
Se ha comprobado que este tipo de diseno dificulta lassiguientes tareas:
es difıcil conseguir una descripcion adecuada de un robotcon esta complejidad para su uso evolutivo.
el robot resultante no es suficientemente flexible paraadaptarse a nuevas tareas o planteamientos.
Estas dificultades forman la base del trabajo futuro.
53 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Conclusionesglobales
Trabajo futuro
Referencias
Trabajo futuro
Morfogenesis: expresion no lineal de la informaciongeneticasensores (exteroceptores y propioceptores)y motores complejostopologıa de la red neuronal mas variadaneuronas mas potentes y mecanismos deaprendizaje
Escalabilidad : los entornos complejos y la morfogenesispermitiran tareas complejas y estructurasinalcanzables con diseno a mano.
54 / 62
Navegacion mediante Evolucionde Redes Neuronales
Recurrentes y DinamicasTesis Doctoral dirigida por Blanca Cases
y Alvaro Moreno Bergareche
Pablo Gonzalez Nalda
Depto. de Lenguajes y Sistemas Informaticos
10 de octubre de 2008
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Conclusionesglobales
Trabajo futuro
Referencias
Contenidos de la presentacion
1 Area de investigacion
2 Robotica Evolutiva
3 Objetivos del trabajo
4 Diseno de Topos
5 Resultados
6 Analisis de un individuo
7 Conclusiones56 / 62
Izhikevich, Hopfield, Paugam-Moisy
Izhikevich: equilibrio entre plausibilidad biologica de losmodelos del tipo Hodgkin-Huxley y eficienciacomputacional de los modelos de neuronasintegrar-y-disparo [Izhikevich, 2006]
Hopfield: red asociativa [Hopfield, 1982]
Paugam-Moisy: aprendizaje hebbiano con reglas STDP(Spike-Timing DependentPlasticity) [Paugam-Moisy, Martinez, andBengio, 2008]
vi = 0,04v2i + 5vi + 140− ui + I (1)
ui = a(bvi − ui) (2)
si vi ≥ 30mV
{vi ← c
ui ← ui + d(3)
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Bibliografıa I
R. Arkin. Behavior-Based Robotics. MIT Press, Cambridge,MA., 1998.
R. Beer. A dynamical systems perspective onagent-environment interaction. Artificial Intelligence, 1992.
V. Braitenberg. Vehicles. Experiments in SyntheticPsychology. MIT Press, MA, 1984.
R. Brooks. Intelligence without representation. ArtificialIntelligence, 47:139–159, 1991.
D. Floreano and F. Mondada. Evolution of homing navigationin a real mobile robot. IEEE Transactions on Systems,Man and Cybernetics, 26(3):396–407, 1996.
59 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Bibliografıa II
I. Harvey, E. Di Paolo, R. Wood, M. Quinn, and E. A. Tuci.Evolutionary robotics: A new scientific tool for studyingcognition. Artificial Life, 11(1-2):79–98, 2005.
J. J. Hopfield. Neural networks and physical systems withemergent collective computational abilities. PNAS, 79(8):2554–2558, April 1982. URLhttp://www.pnas.org/content/79/8/2554.abstract.
E. Izhikevich. Polychronization: Computation with spikes.Neural Comput., 18(2):245–282, 2006.
N. Jakobi. Minimal Simulations for Evolutionary Robotics.PhD thesis, COGS, 1998.
60 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Bibliografıa III
H. H. Lund, B. Webb, and J. Hallam. A robot attracted tothe cricket species gryllus bimaculatus. In P. Husbands andI. Harvey, editors, IV European Conference on ArtificialLife ECAL97, pages 246–255. MIT Press/Bradford Books,MA, 1997.
W. Maass. Networks of spiking neurons: the third generationof neural network models. Neural Networks, 10:1659–1671,1997.
Helene Paugam-Moisy, Regis Martinez, and Samy Bengio.Delay learning and polychronization for reservoircomputing. Neurocomput., 71(7-9):1143–1158, 2008.ISSN 0925-2312. doi:http://dx.doi.org/10.1016/j.neucom.2007.12.027.
61 / 62
Contenidos
Area deinvestigacion
RoboticaEvolutiva
Objetivos
Diseno deTopos
Resultados
Analisis de unindividuo
Conclusiones
Referencias
Bibliografıa IV
M. Suzuki. Enactive robot vision. PhD thesis, Lausanne,diciembre 2007. URLhttp://library.epfl.ch/theses/?nr=3974.
M. Suzuki and Dario Floreano. Enactive Robot Vision.Adaptive Behavior, 2008.
B. Webb. Robots in invertebrate neuroscience. Nature, 417:359–363, 2002.
62 / 62