Developmental robotics

روباتیک تکاملی ( DevRob )، که گاهی رباتیک اپی ژنتیک نیز شناخته می‌شود، شاخه علمی با هدف مطالعه مکانیسم‌های تکاملی ، معماری‌ها و محدودیت‌هایی است که امکان یادگیری مادام‌العمر و بدون پایان مهارت‌های جدید و دانش جدید در ماشین‌های ترسیم یافته را میسر میسازد ، است . مانند کودک انسان، انتظار میرود یادگیری به صورت انباشته و با پیچیدگی فزاینده ای همراه باشد و از خودکاوی جهان با ترکیب با تعامل اجتماعی نتیجه حاصل شود. رویکرد روش‌شناختی مرسوم مبتنی است از شروع کردن از تئوری‌های رشد انسان و حیوان که در زمینه‌هایی مانند روان‌شناسی رشد ، علوم اعصاب ، زیست‌شناسی تکاملی و تکاملی و زبان‌شناسی شرح داده شده است ، و سپس به رسمیت بخشیدن و معتبر کردن و پیاده‌سازی آن‌ها در روبات‌ها، و گاهی اوقات نیز کاوش کردن در افزونه ها یا انواع آن‌ها است . آزمایش این مدل‌ها در روبات‌ها به محققان این اجازه را می‌دهد تا آنها را با واقعیت مواجه کنند و در نتیجه، رباتیک تکاملی نیز بازخورد و فرضیه‌های جدیدی را در مورد نظریه‌های توسعه انسان و حیوان ارائه می‌دهد.

رباتیک تکاملی مرتبط با رباتیک عصبی (ER) ولی متفاوت از ان است. ER از جوامع ربات‌هایی استفاده می‌کند که در طول زمان تکامل می‌یابند،در حالی که DevRob به چگونه توسعه یافتن سازماندهی سیستم یک ربات واحد از طریق تجربه در طول زمان علاقه مند است.

DevRob همچنین به کارهای انجام شده در زمینه رباتیک و زندگی مصنوعی مربوط می شود.

زمینه

آیا یک ربات می تواند مانند یک کودک یاد بگیرد؟ آیا می تواند انواع مهارت های جدید و دانش جدید نامشخص در زمان طراحی و در یک محیط ناشناخته و در حال تغییر را فرا گیرد؟ چگونه می تواند بدن خود و روابطش با محیط فیزیکی و اجتماعی را کشف کند؟ چگونه می‌توان ظرفیت‌های شناختی آن را بدون دخالت مهندس پس از "خروج از کارخانه " به طور مداوم توسعه یابد؟ چه چیزهایی را می تواند از طریق تعاملات اجتماعی طبیعی با انسان ها یاد بگیرد ؟ اینها سوالاتی هستند که در مرکز روباتیک تکاملی قرار دارند. آلن تورینگ، و همچنین تعدادی دیگر از پیشگامان سایبرنتیک، قبلاً این سؤالات و رویکرد کلی را در سال 1950 تدوین کردند، اما تنها از پایان قرن بیستم است که بررسی سیستماتیک و ازروی قاعده آنها شروع شده است.

به دلیل اینکه که مفهوم ماشین‌های هوشمند تطبیقی برای رباتیک تکاملی در مرکز توجهات قرار دارد ، با زمینه‌هایی مانند هوش مصنوعی، یادگیری ماشینی، رباتیک شناختی یا علوم اعصاب محاسباتی ارتباط دارد. با این حال، در حالی که ممکن است از برخی از تکنیک های توضیح داده شده در این زمینه ها مجددا استفاده کند، از دیدگاه های بسیاری با آنها تفاوت دارد. این هوش مصنوعی به دلیل اینکه توانایی استدلال نمادین پیشرفته را نمی پذیرد با هوش مصنوعی کلاسیک تفاوت دارد و به جای مشکلات نمادین انتزاعی، بر مهارت های حسی-حرکتی و اجتماعی ترسیم یافته و قرار گرفته شده تمرکز می کند. نسبت به رباتیک شناختی به این دلیل که به فرآیندهایی که نسبت به خود قابلیت ها بر امکان شکل گیری قابلیت های شناختی را فراهم می اورد متمرکز است، متفاوت است. این علم با علوم اعصاب محاسباتی به دلیل اینکه بر مدل سازی عملکردی معماری های یکپارچه توسعه و یادگیری تمرکز دارد، تفاوت دارد . به طور کلی تر، روباتیک تکاملی به طور منحصر به فرد با سه ویژگی زیر مشخص می شود:

1. معماری‌ها و مکانیسم‌های یادگیری مستقل از کار را مورد هدف قرار می‌دهد، یعنی ماشین/ربات باید بتواند وظایف جدیدی را که توسط مهندس ناشناخته است را بیاموزد .
2. رباتیک تکاملی بر توسعه بدون پایان و یادگیری مادام العمر تأکید دارد، یعنی ظرفیت یک موجود زنده برای کسب مداوم مهارت های جدید. این نباید به عنوان ظرفیتی برای یادگیری «هر چیزی» یا حتی «همه چیز» برداشت شود، بلکه فقط مجموعه مهارت‌هایی که به دست می‌آیند را می‌توان حداقل در برخی (نه همه) جهات، بی‌نهایت گسترش داد.
3. پیچیدگی دانش و مهارت های کسب شده باید به تدریج افزایش یابد (و این افزایش کنترل شده باشد).

This article "Developmental robotics" is from Wikipedia. The list of its authors can be seen in its historical and/or the page Edithistory:Developmental robotics. Articles copied from Draft Namespace on Wikipedia could be seen on the Draft Namespace of Wikipedia and not main one.

---

 Facebook Page

 Follow us on Twitter !

Read or create/edit this page in another language

• Developmental robotics in English