Embodiment in robotics: the sensorimotor loop toward learning and cognition

Robots nowadays are not widespread among human beings but are still confined into plants and research laboratories; this is mainly because they lack autonomous behaviors and they are not able to learn and adapt to the real environment; shortly, they still miss what is called cognitive development. A new perspective in robotics and AI states that cognitive processes are strongly tied to the physical structure of the body: the body shapes the mind and vice versa. This view is called embodiment and tries to highlight the importance of the interplay between brain, body and world for learning in cognitive systems; it affects different aspects of these processes, firstly motor and language learning. This research explores cognition in artificial agents from the point of view of embodied robotics. It wants to propose a new starting point for building a robotic architecture ables to show simple child-like learning capabilities based on the sensorimotor circuit. It proposes a model for motor learning based on the motor primitives paradigm; it transposes this concepts into language acquisition with the introduction of the linguistic primitives; it defines a model for the working memory, able to perform context-sensitive selection and retention of both information and actions. An intentional architecture for the autonomous generation of new motivation integrates and connect the aforementioned models. The proposed model have been implemented in Matlab and thoroughly tested; even though some important aspects of cognition are still to be integrated, first results are encouraging and positively compare with scientific evidences about children.

I robot al giorno d'oggi non vivono ancora assieme agli essere umani; vista la mancanza di comportamenti autonomi, e l'incapacità di adattarsi all'ambiente reale, sono ancora confinati nelle industrie e nei centri di ricerca. Per riassumere si può affermare che ai robot manca uno sviluppo cognitivo. Un nuovo punto di vista sta emergendo in robotica e nell'intelligenza artificiale; questo afferma che i processi cognitivi sono strettamente legati alla struttura fisica del corpo: il corpo forma la mente, e la mente modifica il corpo. Questa nuova visione è definita "filosofia del corpo" e cerca di sottolineare l'importanza che ha la cooperazione della mente con il corpo e anche con l'ambiente esterno nell'apprendimento e nella cognizione. E' un punto di vista totalmente differente dalla classica concezione, e gli aspetti coinvolti da questo cambiamento sono molteplici, dalla cognizione stessa, all'apprendimento motorio e linguistico. L'idea è di porsi in questa prospettiva, cercando di approcciare la robotica da un punto di vista embodied; vogliamo proporre un diverso punto di inizio per studiare e modellare architetture robotiche capaci di mostrare semplici meccanismi di apprendimento simili a quelli visti nei bambini, sfruttando il concetto di ciclo sensoromotorio. Questa tesi propone un modello per l'apprendimento motorio basato sul concetto delle primitive motorie, e lo traspone quindi anche nel linguaggio, introducendo il concetto di primitiva linguistica alla base dello sviluppo del linguaggio. Definisce poi un modello della memoria di lavoro, in grado di selezione e mantenere attivi i “pezzi” di informazione e le azioni utili per il contesto attuale e per il compito che il robot sta svolgendo, scartando quanto non attualmente utile. Infine, presenta l'architettura intenzionale IDRA in grado di generare in modo autonomo nuove motivazioni e comportamenti adeguati a partire da semplici istinti innati; questo sistema farà da collante per i quattro moduli appena menzionati. I modelli presentati sono stati implementati integralmente in Matlab e verificati approfonditamente; anche se ci sono ancora vari aspetti relativi alla cognizione che non sono stati considerati, i primi risultati sperimentali sono incoraggianti e hanno mostrato comportamenti compatibili con le molte evidenze scientifiche riguardo le capacità dei bambini.