Neurorrobótica

Los neurorobots se utilizan a menudo para estudiar los sistemas de control y retroalimentación motora , y han demostrado su valía en el desarrollo de controladores para robots. La locomoción se modela mediante varias teorías de inspiración neurológica sobre la acción de los sistemas motores. El control de la locomoción se ha imitado utilizando modelos o generadores centrales de patrones , grupos de neuronas capaces de impulsar un comportamiento repetitivo, para crear robots caminantes de cuatro patas. ^{[ 5 ]} Otros grupos han ampliado la idea de combinar sistemas de control rudimentarios en un conjunto jerárquico de sistemas autónomos simples. Estos sistemas pueden formular movimientos complejos a partir de una combinación de estos subconjuntos rudimentarios. ^{[ 6 ]} Esta teoría de la acción motora se basa en la organización de columnas corticales , que integran progresivamente desde la entrada sensorial simple en señales aferentes complejas , o desde programas motores complejos en controles simples para cada fibra muscular en señales eferentes , formando una estructura jerárquica similar.

Otro método de control motor utiliza la corrección de errores aprendida y el control predictivo para formar una especie de memoria muscular simulada . En este modelo, los movimientos torpes, aleatorios y propensos a errores se corrigen mediante la retroalimentación de errores para producir movimientos suaves y precisos a lo largo del tiempo. El controlador aprende a generar la señal de control correcta prediciendo el error. Utilizando estas ideas, se han diseñado robots que pueden aprender a producir movimientos de brazo adaptativos ^{[ 7 ]} o a evitar obstáculos en un recorrido.

Robots diseñados para probar teorías sobre los sistemas de memoria animal . Muchos estudios examinan el sistema de memoria de las ratas, en particular el hipocampo , que se ocupa de las células de lugar , las cuales se activan para una ubicación específica que se ha aprendido. ^{[ 8 ] [ 9 ]} Los sistemas modelados a partir del hipocampo de la rata generalmente son capaces de aprender mapas mentales del entorno, incluyendo el reconocimiento de puntos de referencia y la asociación de comportamientos con ellos, lo que les permite predecir los obstáculos y puntos de referencia venideros. ^{[ 9 ]}

Otro estudio ha desarrollado un robot basado en el paradigma de aprendizaje propuesto para las lechuzas comunes, que se orienta y localiza principalmente a partir de estímulos auditivos, pero también visuales. El método hipotetizado implica plasticidad sináptica y neuromodulación , ^{[ 10 ]} un efecto mayormente químico en el que los neurotransmisores de recompensa , como la dopamina o la serotonina, aumentan la sensibilidad de disparo de una neurona. ^{[ 11 ]} El robot utilizado en el estudio reprodujo adecuadamente el comportamiento de las lechuzas comunes. ^{[ 12 ]} Además, la estrecha interacción entre la respuesta motora y la retroalimentación auditiva resultó ser vital en el proceso de aprendizaje, lo que respalda las teorías de detección activa que intervienen en muchos de los modelos de aprendizaje. ^{[ 10 ]}

En estos estudios, a los neurorobots se les presentan laberintos o patrones sencillos para que los aprendan. Algunos de los problemas que se les plantean incluyen el reconocimiento de símbolos, colores u otros patrones, y la ejecución de acciones simples basadas en dichos patrones. En el caso de la simulación de la lechuza común, el robot debía determinar su ubicación y dirección para navegar en su entorno.

Los estudios de selección de acciones abordan la ponderación, positiva o negativa, de una acción y su resultado. Los neurorobots pueden utilizarse, y de hecho se han utilizado, para estudiar interacciones éticas simples, como el experimento mental clásico en el que hay más personas de las que puede contener una balsa salvavidas, y alguien debe abandonar el barco para salvar al resto. Sin embargo, la mayoría de los neurorobots utilizados en el estudio de la selección de acciones se enfrentan a persuasiones mucho más simples, como la autopreservación o la perpetuación de la población de robots en el estudio. Estos neurorobots se basan en la neuromodulación de las sinapsis para estimular circuitos con resultados positivos. ^{[ 11 ] [ 13 ]}

En los sistemas biológicos, los neurotransmisores como la dopamina o la acetilcolina refuerzan positivamente las señales neuronales beneficiosas. Un estudio de dicha interacción involucró al robot Darwin VII, que utilizó información visual, auditiva y una simulación del gusto para "comer" bloques metálicos conductores. Los bloques buenos, elegidos arbitrariamente, tenían un patrón de rayas, mientras que los bloques malos tenían forma circular. El sentido del gusto se simuló mediante la conductividad de los bloques. El robot recibía retroalimentación positiva y negativa al gusto según su nivel de conductividad. Los investigadores observaron al robot para ver cómo aprendía sus comportamientos de selección de acciones en función de las entradas recibidas. ^{[ 14 ]} Otros estudios han utilizado grupos de pequeños robots que se alimentan de baterías esparcidas por la habitación y comunican sus hallazgos a otros robots. ^{[ 15 ]}

Los neurorobots también se han utilizado para estudiar la percepción sensorial, en particular la visión. Se trata principalmente de sistemas que resultan de la integración de modelos neuronales de vías sensoriales en autómatas. Este enfoque permite acceder a las señales sensoriales que se producen durante el comportamiento y, además, posibilita una evaluación más realista del grado de robustez del modelo neuronal. Es bien sabido que los cambios en las señales sensoriales producidas por la actividad motora proporcionan pistas perceptivas útiles que los organismos utilizan ampliamente. Por ejemplo, los investigadores han utilizado la información de profundidad que surge durante la replicación de los movimientos de la cabeza y los ojos humanos para establecer representaciones robustas de la escena visual. ^{[ 16 ] [ 17 ]}