Il midollo spinale virtuale viene costantemente migliorato – ScienceDaily

I ricercatori del Max Planck Institute for Intelligent Systems (MPI-IS) di Stoccarda hanno condotto uno studio di ricerca per scoprire come gli animali imparano a camminare e a inciampare. Hanno costruito un robot a quattro zampe, delle dimensioni di un cane, che li ha aiutati a capire i dettagli.

“Come ingegneri e robotica, abbiamo cercato la risposta costruendo un robot che ha reazioni proprio come un animale e che impara dagli errori”, afferma Felix Robert, un ex dottorando nel Dynamic Motion Research Group presso MPI-IS. “Se un animale inciampa, è un errore? Non se accade una volta sola. Ma se inciampa ripetutamente, ci dà una misura di quanto bene il robot può camminare”.

Felix Robert è il primo autore del libro”Impara ad abbinare la plastica alla dinamica dei robot nei generatori di pattern a centro chiuso”, che sarà pubblicato il 18 luglio 2022 sulla rivista Nature Machine Intelligence.

L’algoritmo di apprendimento migliora il midollo spinale virtuale

Dopo aver imparato a camminare in appena un’ora, il robot di Robert fa buon uso della complessa meccanica delle gambe. L’algoritmo di ottimizzazione bayesiano guida l’apprendimento: le informazioni misurate del sensore del piede vengono abbinate ai dati target di un tipico midollo spinale virtuale in esecuzione come programma nel computer del robot. Il robot impara a camminare confrontando continuamente le informazioni del sensore trasmesse e proiettate, azionando circuiti di inversione e adattando i modelli di controllo del motore.

L’algoritmo di apprendimento adatta i parametri di controllo del generatore di pattern centrale (CPG). Negli esseri umani e negli animali, questi generatori di pattern centrali sono reti di neuroni nel midollo spinale che producono contrazioni muscolari periodiche senza input dal cervello. Le reti centrali del generatore di pattern aiutano a generare compiti ritmici come camminare, battere le palpebre o digerire. Inoltre, i riflessi sono azioni involontarie di controllo motorio che vengono attivate da percorsi neurali altamente codificati che collegano i sensori della gamba al midollo spinale.

Finché il giovane animale cammina su una superficie perfettamente piana, i dispositivi CPG possono essere sufficienti per controllare i segnali di movimento dal midollo spinale. Tuttavia, la presenza di un piccolo dosso a terra cambia l’andatura. Avviare reazioni e modificare i modelli di movimento per evitare che l’animale cada. Questi cambiamenti istantanei nei segnali di movimento sono reversibili o “flessibili” e gli schemi di movimento tornano alla loro configurazione originale dopo la perturbazione. Ma se l’animale non smette di inciampare durante molti cicli di movimento – nonostante i riflessi attivi – gli schemi di movimento devono essere reimparati e resi “plastici”, cioè irreversibili. Nell’animale appena nato, i CPG inizialmente non sono impostati abbastanza bene e l’animale inciampa, sia su terreno pianeggiante che irregolare. Ma l’animale impara rapidamente come i suoi riflessi controllano i muscoli e i tendini delle gambe.

Lo stesso vale per un cane robot delle dimensioni di un Labrador chiamato “Murty”. Inoltre, il robot migliora i suoi schemi di movimento più velocemente dell’animale, in circa un’ora. Il CPG di Morti è simulato su un computer piccolo e leggero che controlla il movimento delle gambe del robot. Questo midollo spinale virtuale è posizionato sul retro del robot quadrupede dove sarà la testa. Durante l’ora che il robot impiega per camminare senza intoppi, i dati del sensore dai piedi del robot vengono continuamente confrontati con il tocco previsto previsto dal CPG del robot. Se il robot inciampa, l’algoritmo di apprendimento cambia quanto le gambe oscillano avanti e indietro, quanto velocemente oscillano le gambe e la lunghezza della gamba a terra. Il movimento modificato influisce anche sulla capacità del robot di utilizzare la meccanica delle gambe compatibili. Durante il processo di apprendimento, il CPG invia segnali di movimento modificati in modo che il robot d’ora in poi inciampi meno e migliori la sua andatura. In questa impostazione, il midollo spinale virtuale non ha una chiara conoscenza del design della gamba, dei motori e delle molle del robot. Non sapendo nulla della fisica delle macchine, manca un “modello” di robot.

“Il nostro robot è praticamente nato e non sa nulla dell’anatomia delle gambe o di come funziona”, spiega Robert. “Il CPG è come l’intelligenza di camminata automatica integrata fornita dalla natura che abbiamo trasformato nel robot. Il computer produce segnali che controllano i motori delle gambe e il robot inizialmente cammina e inciampa. I dati tornano dai sensori al virtuale midollo spinale in cui vengono confrontati i dati del sensore e del CPG. Se i dati del sensore non corrispondono ai dati attesi, l’algoritmo di apprendimento modifica il comportamento di deambulazione in modo che il robot cammini bene e senza inciampare. Modifica dell’uscita CPG mantenendo attivo il feedback e il monitoraggio dell’inciampo del robot è una parte essenziale del processo di apprendimento”.

Controllo del cane robot a risparmio energetico

Il computer di Morty consuma solo cinque watt di energia mentre si cammina. I robot industriali quadrupli di importanti produttori, che hanno imparato a operare con l’aiuto di controller complessi, sono più affamati di energia. I loro controller sono codificati con la conoscenza della massa esatta del robot e della geometria del corpo, utilizzando un modello del robot. Di solito consumano diverse decine, fino a diverse centinaia di watt di potenza. Entrambi i tipi di robot funzionano in modo dinamico ed efficiente, ma il consumo di energia computazionale è molto inferiore nel modello di Stoccarda. Fornisce inoltre importanti informazioni sull’anatomia animale.

“Non possiamo cercare facilmente il midollo spinale di un animale vivente. Ma possiamo modellarne uno in un robot”, afferma Alexander Badri Sprovitz, coautore della pubblicazione con Robert e capo del Dynamic Locomotion Research Group. “Sappiamo che i CPG sono presenti in molti animali. Sappiamo che è coinvolto il feedback; ma come combiniamo i due in modo che gli animali imparino i movimenti con reazioni e CPG? Questa è una ricerca fondamentale all’intersezione tra robotica e biologia. Il modello robotico ci dà la risposta a Domande a cui la biologia da sola non può rispondere.