Una nueva generación de robots enjambres que pueden aprender de forma independiente y desarrollar nuevos comportamientos en la naturaleza está un paso más cerca, gracias a la investigación de la Universidad de Bristol y la Universidad del Oeste de Inglaterra (UWE).

El equipo utilizó la evolución artificial para permitir que los robots aprendan automáticamente comportamientos de enjambre que son comprensibles para los humanos. Este nuevo avance publicado hoy en Sistemas inteligentes avanzados , podría crear nuevas posibilidades robóticas para el monitoreo ambiental, recuperación de desastres, mantenimiento de infraestructura, logística y agricultura.

Hasta ahora, la evolución artificial se ha ejecutado típicamente en una computadora que es externa al enjambre, con la mejor estrategia luego copiada a los robots. Sin embargo, este enfoque es limitante, ya que requiere una infraestructura externa y un entorno de laboratorio.

Mediante el uso de un enjambre de robots a medida con un alto poder de procesamiento integrado en el enjambre, el equipo de Bristol pudo descubrir qué reglas dan lugar a los comportamientos de enjambre deseados. Esto podría dar lugar a enjambres de robots capaces de adaptarse de forma continua e independiente en la naturaleza. para cumplir con los entornos y las tareas en cuestión. Al hacer que los controladores evolucionados sean comprensibles para los humanos, los controladores también pueden ser consultados, explicado y mejorado.

Autor principal, Simon Jones, del Laboratorio de Robótica de la Universidad de Bristol dijo:"Los controladores comprensibles para humanos nos permiten analizar y verificar diseños automáticos, para garantizar la seguridad para la implementación en aplicaciones del mundo real ".

Codirigido por la Dra. Sabine Hauert, los ingenieros aprovecharon los avances recientes en la informática móvil de alto rendimiento, para construir un enjambre de robots inspirados en los de la naturaleza. Su "Teraflop Swarm" tiene la capacidad de ejecutar el proceso de diseño automático computacionalmente intensivo por completo dentro del enjambre, liberándolo de la limitación de los recursos fuera de línea. El enjambre alcanza un alto nivel de rendimiento en solo 15 minutos, mucho más rápido que los métodos de evolución incorporados anteriores, y sin depender de la infraestructura externa.

Dr. Hauert, Profesor Titular de Robótica en el Departamento de Ingeniería Matemática y Laboratorio de Robótica de Bristol (BRL), dijo:"Este es el primer paso hacia los enjambres de robots que descubren automáticamente estrategias adecuadas de enjambres en la naturaleza".

"El siguiente paso será sacar estos enjambres de robots del laboratorio y demostrar nuestro enfoque propuesto en aplicaciones del mundo real".

Liberando el enjambre de infraestructura externa, y mostrando que es posible analizar, comprender y explicar los controladores generados, los investigadores avanzarán hacia el diseño automático de controladores de enjambre en aplicaciones del mundo real.

En el futuro, empezando desde cero, un enjambre de robots podría descubrir una estrategia adecuada directamente in situ, y cambiar la estrategia cuando la tarea del enjambre, o cambios ambientales.

Profesor Alan Winfield, Unidad de Comunicación Científica y BRL, UWE, dijo:"En muchos sistemas de IA modernos, especialmente aquellos que emplean Deep Learning, es casi imposible entender por qué el sistema tomó una decisión en particular. Esta falta de transparencia puede ser un problema real si el sistema toma una mala decisión y causa daño. Una ventaja importante del sistema descrito en este documento es que es transparente:su proceso de toma de decisiones es comprensible para los humanos ".