SEVILLA, 17 (EUROPA PRESS)
PUBLICIDAD
Los expertos parten de estudios previos en inteligencia artificial basadas en redes neuronales pulsantes (SNN, Spiking Neural Networks). Estas trabajan de una manera similar a como lo hacen las neuronas en el cerebro. Se comunican mediante estímulos eléctricos, compartiendo información para ordenar la ejecución de las distintas funciones en el organismo. Así, detallan en el artículo 'Neuromorphic adaptive spiking CPG towards bio-inspired locomotion' publicado en la revista Neurocomputing cómo han logrado que un robot modifique su movimiento dependiendo de la estabilidad y firmeza del suelo que pisan, como haría una persona.
Según se indica en nota de prensa, mediante unos sensores que miden la presión que ejerce el autómata al caminar, el sistema responde adaptando el movimiento a cada situación para no perder el equilibrio. "Hemos conseguido desarrollar el primer generador de patrones centrales bio-inspirado, es decir, que simula el pensamiento humano, y que provoca el cambio en los movimientos de cualquier robot, independientemente del número de patas que tenga. Se logra con tan solo un mecanismo de adaptación de poco consumo energético y económico", indica a la Fundación Descubre el investigador de la Universidad de Sevilla, Juan Pedro Domínguez, autor del artículo.
Como ocurre en el organismo, donde el cerebro recibe los estímulos externos y provoca una respuesta en el aparato locomotor, esta estructura cuenta con un generador de patrones centrales (CPG) que recibe la información del sensor colocado en las patas y da la orden de bajar la velocidad o el ritmo de paso para adecuarse a las nuevas circunstancias. Esto puede ser de especial utilidad en robots dedicados a rastrear o reconocer lugares de difícil acceso o en condiciones en las que el ser humano no puede llegar.
ROBOTS QUE SIENTEN
La ingeniería neuromórfica imita parte del cerebro mediante circuitos eléctricos y algoritmos. Son placas electrónicas que cuentan con un decodificador y un controlador que interpretan el estímulo, en este caso, la presión del terreno, y lo convierte en pulsos digitales. La red neuronal pulsante de este trabajo conecta a 5 poblaciones de 100 neuronas cada una, lo que facilita la aplicación del sistema en diferentes máquinas al ser más reducida que otras similares.
PUBLICIDAD
Además, la red utilizada para el desarrollo de la arquitectura es la conocida como red neuronal pulsante, actualmente la más parecida a las biológicas, y que incorporan, a diferencia de otras utilizadas en inteligencia artificial, el concepto de tiempo. De esta manera, no se producen retardos en los cambios de frecuencia y ritmo, realizándose el proceso de una manera natural, como lo haría una persona.
Los expertos simularon, en un primer momento, la viabilidad del sistema en un software llamado Brian2, que modela la red partiendo de una serie de parámetros y predice lo que va a ocurrir según diferentes circunstancias. Así, si detecta un suelo blando, reconoce que puede haber peligro y da la orden para adaptar el movimiento a esa situación.
Tras confirmar su validez, traspasaron las pruebas a SpiNNaker, una placa de circuito impreso que se conecta al robot y contiene las poblaciones neuronales modeladas. De esta manera, el propio sistema actúa sin necesidad de ser controlado por nadie, sino que él mismo cuenta con la información necesaria para actuar según sea el caso.
Los ensayos se han realizado en una sola pata robótica en la que han confirmado la idoneidad del sistema para su implantación con el sensor de presión del terreno, pero también lo proponen para su uso con otro tipo de estímulos externos como podría ser la temperatura o un sonido. Así se podrían configurar los robots para que aumenten la velocidad de marcha ante una señal acústica, como podría ser una sirena, o ante una fuente de calor.
Actualmente, trabajan en el montaje del sistema en robots reales de distinta morfología, desde bípedos a hexápodos. Además, el estudio abre la puerta para que el sistema cuente con la opción de ir aprendiendo de su propia experiencia, una línea conocida como Deep learning o aprendizaje automático. Es decir, en el supuesto de algún fallo, la red neuronal asimila el error y propondría otra actuación si volviese a presentarse el mismo problema.
La investigación se ha financiado mediante los proyectos 'Percepción y cognición neuromórfica para actuación robótica de alta velocidad' y 'Arquitecturas Memristivas Pulsantes para Aprender a Aprender' del Ministerio de Ciencia e Innovación y 'TIDE-Red Atlántica para el Desarrollo del Turismo Marítimo Histórico', del programa Interreg de la Unión Europea.
