発展的ロボット工学 - 百科事典

発展ロボティクス（DevRob）は、時にはエピジェネティックロボティクスとも呼ばれ、具現化された機械が一生涯にわたって新しいスキルや新しい知識を学ぶための発展メカニズム、アーキテクチャ、制約を研究することを目指す科学分野です。人間の子供のように、学習は累積的で徐々に複雑さを増し、自己探索と社会的相互作用を組み合わせた世界の自己探索から結果として得られると期待されます。典型的な方法論的アプローチは、発展心理学、神経科学、発展生物学および進化生物学、言語学などの分野で発展した人間と動物の発展の理論から始め、それらを形式化し、ロボットに実装し、時にはその拡張や変種を探ることです。これらのモデルのロボットにおける実験は、研究者がそれらを現実と対峙させることができ、その結果、発展ロボティクスはまた、人間や動物の発展の理論に関するフィードバックや新しい仮説を提供します。

発展ロボティクスは進化ロボティクス（ER）に関連していますが、異なります。ERは時間とともに進化するロボットの集団を使用しますが、DevRobは、経験を通じて時間とともに単一のロボットのコントロールシステムの組織がどのように発展するかに関心があります。

DevRobはまた、ロボティクスや人工生命の分野で行われた研究に関連しています。

背景
ロボットは子供のように学習できるでしょうか？設計時から不特定で部分未知で変化する環境で新しいスキルや新しい知識を学ぶことができますか？どのようにして自分の体や物理的および社会的環境との関係を発見できますか？エンジニアの介入なしに「工場から出た後」も認知能力が継続的に発展する方法は何ですか？人間との自然な社会的相互作用を通じてどのように学ぶことができますか？これらは発展ロボティクスの中心に位置する質問です。アラン・チューリングや他の多くのサイバネティクスの先駆者は、1950年代にこれらの質問と一般的なアプローチを既に形式化しましたが、これらは20世紀の終わりまでシステム的に調査されるようにはなりませんでした。

適応的知能機械の概念が発展ロボティクスの中心にあるため、人工知能、機械学習、認知ロボティクス、計算神経科学などの分野と関係があります。しかし、これらの分野で開発された技術の一部を再利用する可能性があるものの、多くの視点からこれらとは異なります。古典的な人工知能とは異なり、高度なシンボリック推論の能力を仮定せず、具現化されたおよび場所依存的な感覚運動および社会的スキルに焦点を当て、抽象的なシンボリック問題よりもそれらに焦点を当てていません。認知ロボティクスとは異なり、認知能力の形成を許可するプロセスに焦点を当て、その能力自体に焦点を当てていません。計算神経科学とは異なり、発展と学習の統合アーキテクチャの機能的モデルに焦点を当てています。より一般的に、発展ロボティクスは以下の3つの特徴で独特に特徴付けられます：

タスク独立のアーキテクチャと学習メカニズムを標的としています。つまり、機械/ロボットはエンジニアが知らない新しいタスクを学ぶ能力を持たなければなりません；
オープンエンドの発展と生涯学習を強調します。つまり、生物が継続的に新しいスキルを取得する能力です。これは「何でも」または「すべて」を学ぶ能力として理解されるべきではありませんが、取得したスキルのセットは少なくともある方向（すべてではない）で無限に拡張できると考えられます；
取得した知識とスキルの複雑さは進行的に増加（増加が制御される）します。

発展ロボティクスは、具現化された人工知能、活性化および動的システムの認知科学、コネクショニズムを含むいくつかの研究コミュニティの交差点に登場しました。学習と発展が脳、体、それらの物理的および社会的環境の動的相互作用として自己組織化されるという基本的なアイデアから出発し、この自己組織化がタスク独立の生涯にわたる増加する複雑さのスキルの学習を提供する方法を理解しようと試み、発展ロボティクスは発展心理学、発展および認知神経科学、発展生物学（胚学）、進化生物学、認知言語学などの分野と強く相互作用します。これらの科学の多くの理論は口頭や記述的であるため、発展ロボティクスでは重要な形式化と計算モデル化活動が必要です。これらの計算モデルは、より柔軟で適応性のある機械を構築する方法を探るだけでなく、その一貫性を評価し、生物学的発展を理解するための代替説を探る方法としても使用されます。

研究方向


= 技能領域 =
一般的なアプローチと方法論のために、発展ロボティクスプロジェクトは通常、人間の幼児と同じ種類のスキルをロボットが発展することに焦点を当てています。最初の重要なカテゴリーは、感覚運動スキルの獲得です。これには、自分の体の発見が含まれ、その構造や動的性（手と目の協調、運動、物体との相互作用、道具の使用など）が含まれますが、特に適用可能な範囲の発見と学習に焦点を当てています。発展ロボットがターゲットとするスキルの第二カテゴリーは、社会的および言語的スキルです：シンプルな社会的行動ゲーム（交代、協調的な相互作用、語彙、文法、そしてこれらの言語スキルが感覚運動スキルに根付く）の獲得、そしてこれらの言語スキルが感覚運動スキルに根付く（時にはシンボル根付けと呼ばれる）です。並行して、関連する認知スキルの獲得も研究されています：自己/非自己の区別の発生、注意能力の発展、分類システムおよび適用可能な範囲の高いレベルの適用可能な範囲の発生、価値、共感、または心の理論の発生などです。

= メカニズムと制約 =
人間やロボットが住む感覚運動と社会的空間は非常に大きく複雑で、実際に生涯で探索および学習できる潜在的なスキルのほんの一部しか実際には探索および学習されません。したがって、発展生物をその発展と複雑さの成長を制御するためのガイドメカニズムと制約が必要です。発展ロボティクスで研究されているこれらのガイドメカニズムと制約には、人間の発展にインスパイアされたいくつかの重要な家族があります：

動機付けシステム、内部報酬シグナルを生成し、探索と学習を駆動する、主に2つの主要なタイプがあります：
外部動機付けは、ロボット/生物が食事や水のレベル、身体的な完全性、または光（例えば、光好性システム）などの基本的な特定の内部特性を維持するように促します；
内部動機付けは、ロボットが新規性、挑戦、圧縮または学習進捗を自発的に探求するように促し、時には好奇心駆動型学習と探索、または別の方法で活発な学習と探索と呼ばれるものを生成します；
社会的ガイド：人間は多くを同僚との相互作用で学びますが、発展ロボティクスは、ロボットが人間のような社会的相互作用に参加できるようにするメカニズムを調査しています。社会的シグナルの感知と解釈を通じて、ロボットは人間から学び（例えば、模倣、エミュレーション、刺激強化、示唆などによる手段を通じて）だけでなく、自然な人間の教授法を引き起こすこともできます。したがって、発展ロボットの社会的受け入れも調査されています；
統計的推論のバイアスと累積的な知識/スキルの再利用：表現/エンコーディングおよび推論メカニズムを特徴付けるバイアスは、学習の効率を相当に向上させるため、研究されています。これに関連して、以前に学習した構造を再利用して新しい知識を推論し、新しいスキルを取得するメカニズムも重要な研究分野です；
具現化の性質、包括的な幾何学、材料、または本能的な運動原則および協調性が動的システムとしてエンコードされていることが、感覚運動的または社会的スキルの取得を大幅に簡素化することができます。これらの制約の他の制約との相互作用は、重要な調査軸です；
成熟制約：人間の幼児では、体と神経系は生まれた時から完全ではなく、徐々に成長します。これにより、新しい自由度や、可利用な感覚運動信号の体積と解像度の増加が学習と発展の過程で現れることを意味します。これらのメカニズムを発展ロボットに転置し、新しい複雑なスキルの取得を妨げるか、逆に促進するかを理解することは、発展ロボティクスの中心的な質問です。

= 生物学的発展から機能的インスピレーションへ =
ほとんどの発展ロボティクスプロジェクトは動物や人間の発展の理論と密接に相互作用しますが、特定の生物学的メカニズムとそのロボットにおける対応するものの間の類似性やインスピレーション、モデル化の抽象レベルは非常に異なります。一部のプロジェクトは、神経ロボティクスのように、機能と生物学的な実装（神経や形態学的モデル）を正確にモデル化することを目指していますが、他のプロジェクトは上記のメカニズムと制約の機能的モデルに焦点を当て、例えば、応用数学や工学分野の技術をアーキテクチャに再利用することがあります。

未解決の問題
発展ロボティクスは比較的新しい研究分野であり、同時に非常に野心が高いため、多くの基本的な未解決の課題が残っています。

まず、現実世界の高次元ロボットが生涯にわたって開放型の複雑さが増すスキルを学ぶことができる技術はまだ十分ではありません。高次元の連続的な感覚運動空間は解決すべき重要な障害です。生涯にわたる累積的な学習もまた、問題です。実際、これまでに設置された実験は数日間しか続きませんでしたが、これと対照的に、人間の幼児が基本的な感覚運動スキルを学ぶのに必要な時間ははるかに長いです。これらの問題に対処するための戦略として、前節で述べたメカニズムと制約の相互作用をより体系的に調査することが検討されています。実際、これらはこれまで主に孤立して研究されていました。例えば、本能的な動機付けされた学習と社会的ガイドされた学習の相互作用、成熟による制約がある場合の重要な問題として研究されています。

もう一つの重要な挑戦は、ロボットが人間とロボットの相互作用中に非エンジニアの人間から提供される多様な多模様の社会的シグナルを感知、解釈し、利用する能力を提供することです。これらの能力はまだ非常に限られており、人間から効率的な汎用の教授法を実現するには十分ではありません。

科学的な基本的な問題として理解および解決すべきことは、感覚運動的および社会的構造のすべてのレベルで構成可能性、機能的階層、原則、モジュール性がどのように形成され、利用されるかです。これは、言語獲得における「シンボル根付け問題」として知られることがあるシンボルの発生の問題と深く関連しています。実際、脳におけるシンボルの存在と必要性は積極的に疑問視されており、構成可能性と機能的階層を許可する代替概念が研究されています。

生物学的エピジェネシスでは、形態は固定ではなく、常に感覚運動的および社会的スキルの発展と相互作用して発展します。形態の発展はロボットにとって明らかに実用的な問題を引き起こしますが、少なくともシミュレーションでは重要なメカニズムとしてさらに探求されるべきです、例えば、形態学的ロボティクスです。

もう一つの未解決の問題は、発展ロボティクスが調査する主要な現象（例えば、階層的およびモジュール的な感覚運動システム、内在的および外在的および社会的動機付け、オープンエンドの学習）とその背後の脳メカニズムとの関係を理解することです。

同様に、生物学では、発展メカニズム（発生時間尺度で動作する）と進化メカニズム（系統時間尺度で動作する）が豊富な「evo-devo」科学文献で示されるように密接に関連しています。

しかし、これらのメカニズムが人工的な生物体、特に発展ロボットにおいてどのように相互作用するかはまだ非常に研究不足です。したがって、進化メカニズム、発展する形態、そして感覚運動的および社会的スキルの発展は、発展ロボティクスの将来にとって非常に刺激的なトピックです。

主な雑誌
IEEE Transactions on Cognitive and Developmental Systems（以前はIEEE Transactions on Autonomous Mental Development）：https://cis.ieee.org/publications/t-cognitive-and-developmental-systems


主な会議
International Conference on Development and Learning: http://www.cogsci.ucsd.edu/~triesch/icdl/
Epigenetic Robotics: https://www.lucs.lu.se/epirob/
ICDL-EpiRob: http://www.icdl-epirob.org/（上記の2つは2011年から統合されています）
Developmental Robotics: http://cs.brynmawr.edu/DevRob05/
NSF/DARPAが資金提供したWorkshop on Development and Learningは、2000年4月5日から7日までミシガン州立大学で開催されました。これは、ロボットや動物による心の発展の計算的理解に専念する最初の国際会議でした。この「by」は、発展中のエージェントが活動しているため使用されました。


参考情報
Evolutionary developmental robotics
Robot learning


参考文献



外部リンク



= 技術委員会 =
IEEE Technical Committee on Cognitive and Developmental Systems (CDSTC）、以前はIEEE Technical Committee on Autonomous Mental Development、[1]
IEEE Technical Committee on Cognitive Robotics、https://www.ieee-ras.org/cognitive-robotics
IEEE Technical Committee on Robot Learning、https://www.ieee-ras.org/robot-learning/


= 学術機関と分野の研究者 =
Lund University Cognitive Science - Robotics Group
Cognitive Development Lab、Indiana University、US
Michigan State University – Embodied Intelligence Lab
InriaとEnsta ParisTech FLOWERSチーム、フランス：発展ロボティクスにおける探索、相互作用と学習
東京大学—情報システムとインフォマティクス研究所
Juergen SchmidhuberのCognitive Roboticsラボ、IDSIAおよびミュンヘン工科大学
LIRA-Lab、ジェノヴァ大学、イタリア
CITEC、ビレフェルド大学、ドイツ
Vision Lab、心理学部、サウスイリノイ大学カーボンデール
FIAS（J. Trieschラボ）
LPP、CNRS（K. Oreganラボ）
AI Lab、SoftBank Robotics Europe、フランス
コンピュータサイエンス学部、アバディーン大学
Asadaラボ、適応機械システム学部、大阪大学大学院
テキサス大学オースティン、UTCS Intelligent Robotics Lab
ブリンマーウッド大学の発展ロボティクスプロジェクト：フィラデルフィアのスワースモア大学およびブリンマーウッド大学の教員および学生による研究プロジェクト
Jeanプロジェクト：南カリフォルニア大学の情報科学研究所
海軍研究局の認知ロボティクス（Hide and Seekを含む）アーカ