Os sensores táteis são menos importantes do que a ordem das experiências de aprendizado para mãos robóticas, mostra o estudo

Como um braço robótico ou uma mão protética aprende uma tarefa complexa, como agarrar e girar uma bola? O desafio para a mão humana, protética ou robótica sempre foi aprender corretamente a controlar os dedos a exercer forças em um objeto.

A pele sensível e as terminações nervosas que cobrem nossas mãos foram atribuídas a nos ajudar a aprender e se adaptar à nossa manipulação, de modo que os roboticistas insistiram em incorporar sensores em mãos robóticas. Mas – dado que você ainda pode aprender a lidar com objetos com luvas – deve haver algo mais em jogo.

Esse mistério é o que inspirou pesquisadores no Valerolab na Escola de Engenharia Viterbi a explorar se a sensação tátil é realmente necessária para aprender a controlar os dedos.

Os pesquisadores Romina Mir, Ali Marjaninejad, Andrew Erwin e o professor Francisco Valero-Cuevas no Departamento de Engenharia Biomédica de Alfred Mann perguntaram: Como os sensores que fazem parte da interação da mão (sua natureza) com a forma como uma mão é treinada (nutrida) para aprender tarefas complexas?

Em um artigo no diário Avanços científicosa equipe aborda a pergunta clássica de “Nature versus Nuture” usando modelagem computacional e aprendizado de máquina.

O artigo, “O currículo é mais influente do que a informação háptica durante o aprendizado de reforço da manipulação de objetos contra a gravidade”, baseia -se no trabalho anterior do laboratório relacionado à evolução das mãos e à inteligência artificial. Ele demonstra que a sequência de aprendizado, também conhecida como “currículo”, é fundamental para o aprendizado ocorrer.

De fato, os pesquisadores observam que, se o currículo ocorre em uma sequência específica, uma mão robótica simulada poderá aprender a manipular com sensação tátil incompleta ou até ausente.

Para este estudo, a equipe empregou um software para simular uma mão robótica de três dedos para “fornecer um contra-exemplo à noção de longa data de que a sensação tátil é sempre necessária”, diz Valero-Cuevas, e também “enfatiza a importância da sequência de recompensas para o treinamento”, comentou Romina Mir, que é um dos dois primeiros autores e um PhD. aluno no Valerolab.

“Os guias de recompensa do sistema do sistema”, disse o autor correspondente, Francisco Valero-Cuevas, que também é professor na divisão de bioquinesiologia e fisioterapia na USC.

Ele acrescentou: “… assim como os sistemas biológicos são um produto de sua experiência. Esse vínculo entre aprendizado de máquina e biologia é uma conexão poderosa que pode permitir o progresso dos sistemas de inteligência artificial que podem aprender e se adaptar no mundo físico”.

Nesta colaboração entre a Escola de Engenharia Viterbi e a Universidade da Califórnia em Santa Cruz (UCSC), os estudantes de doutorado Parmita Ojaghi (UCSC) e Romina Mir (USC) lideraram esse trabalho em colaboração com o Prof. Michael Wehner (UCSC). Ali Marjaninejad e Andrew Erwin (USC) também contribuíram para este trabalho.