Este trabajo de la Universidad de Granada ha aplicado por primera vez el comportamiento predictivo del cerebelo humano para proporcionar robustez ante retardos temporales variables que afectan a la transmisión de señales de percepción-acción de un ciclo de control robótico.
Un equipo de científicos de la Universidad de Granada (UGR) ha diseñado un ‘cerebelo artificial’ para control predictivo de un robot, inspirándose así en el comportamiento humano para dar respuesta a desafíos tecnológicos de la robótica. Dicho ‘cerebelo artificial’ es capaz de aprender a realizar una tarea motora bajo distintas circunstancias, prediciendo qué acciones son necesarias para conseguirlo.
Este trabajo, publicado en la revista Science Robotics, ha aplicado por primera vez el comportamiento predictivo del cerebelo humano para proporcionar robustez ante retardos temporales variables que afectan a la transmisión de señales de percepción-acción de un ciclo de control robótico.
El autor principal, Ignacio Abadía Tercedor, del departamento de Arquitectura y Tecnología de Computadores de la UGR, explica que la idea de este trabajo surge de tomar la biología como fuente de inspiración para resolver problemas tecnológicos.
“En concreto, aprovechamos características propias del cerebelo y las aplicamos a desafíos actuales de la robótica. Así, hemos desarrollado un modelo simulado de cerebelo que permite controlar el movimiento de un brazo robótico, aprendiendo desde cero cómo realizar una tarea motora determinada. Las principales características del cerebelo que replica nuestro modelo simulado son: aprendizaje y control motor adaptativo y robustez ante los retardos temporales que afectan a la transmisión de señales de percepción-acción”.
Esto permite realizar control remoto de robots, incluso a distancias de cientos de kilómetros, y también controlar robots colaborativos bioinspirados, los cuales están dotados de componentes elásticos y flexibles que replican los músculos y tendones del cuerpo humano y dificultan el uso de técnicas de control clásico.
El grupo de investigación ‘Applied Computational Neuroscience’ (Neurociencia Computacional Aplicada), liderado por el catedrático de la UGR Eduardo Ros, tiene una trayectoria de más de 25 años dedicados al estudio de distintos centros nerviosos (cerebelo, oliva inferior, ganglios basales, sistema visual, hipocampo) y su posterior simulación computacional.
La investigación del grupo ha estado centrada principalmente en el cerebelo, centro nervioso que integra vías motoras y sensitivas, gracias a una serie de características que lo hacen único. En contraste con otros centros nerviosos cuya estructura neuronal es más “caótica”, el cerebelo tiene una estructura regular y bien definida, y juega un papel claro y reconocido en el control motor: ejecución de movimientos precisos, coordinación, equilibrio y aprendizaje motor. Estas características convierten al cerebelo en un perfecto candidato para desarrollar modelos simulados computacionalmente y aplicarlos al control robótico.
En un trabajo anterior, los científicos de la UGR ya presentaron la aplicación de un modelo de cerebelo como controlador de los movimientos de un brazo robótico. Se trata de un modelo biológicamente plausible; esto es, la simulación respeta y replica propiedades biológicas previamente estudiadas por otros estudios neurocientíficos.
Aprender tareas motoras
“Esta plausibilidad biológica es lo que, en nuestro estudio, permite al modelo simulado de cerebelo ejercer de controlador motor del robot, aprendiendo a realizar tareas motoras determinadas (trazar distintas trayectorias con el brazo). Así como un niño aprende a montar en bicicleta, descubriendo qué órdenes debe mandar a los músculos de sus piernas para mover los pedales y al resto del cuerpo para mantener el equilibrio, el modelo simulado de cerebelo aprende los comandos que debe enviar a los motores del robot para que el brazo ejecute la trayectoria deseada”, apunta Abadía.
A su vez, el modelo de cerebelo es capaz de adaptarse a cambios en la dinámica del robot, al igual que hacemos nosotros, proporcionando un control adaptativo. A lo largo de nuestra vida las dimensiones y el peso de nuestro cuerpo van cambiando, el entorno en el que nos movemos también es variable y somos capaces de utilizar herramientas de distinto tipo. Es bastante asombroso cómo, a pesar de lo anterior, somos capaces de ir adaptándonos y aprender a controlar nuestro cuerpo de manera precisa bajo distintas circunstancias.
“En el campo de la robótica, este no es el caso. Los controladores robóticos clásicos se basan en un conocimiento previo, detallado matemáticamente, de las características dinámicas del robot (peso, dimensiones, potencia de los motores…), así como unas condiciones de entorno apenas modificables. Si alguna de las anteriores se ve alterada, el controlador deja de servir a su propósito y se necesitaría implementar uno nuevo. Imaginemos que cada vez que utilizamos una herramienta (un martillo, una raqueta, una sartén…) necesitáramos un nuevo sistema nervioso calibrado para mover nuestro brazo bajo exactamente estas nuevas condiciones. Afortunadamente, la evolución nos ha provisto de un sistema nervioso capaz de aprender y adaptarse a nuevas circunstancias. Con nuestro modelo de cerebelo intentamos replicar esta adaptabilidad y capacidad de aprendizaje, permitiendo al robot aprender a realizar una tarea motora bajo distintas circunstancias”, destaca el investigador de la UGR.
Otra de las ventajas de este avance científico desarrollado en la UGR es que los investigadores han controlado el robot utilizando una conexión WiFi y también por control remoto, estableciendo una conexión de unos 400 kilómetros entre el controlador (ubicado en Madrid) y el robot (ubicado en Granada). Ambos escenarios suponen un incremento notable en cuanto a retardos temporales se refiere respecto a una conexión clásica. Esto es posible gracias, de nuevo, a la plausibilidad biológica del modelo de cerebelo.
La fisiología del cuerpo humano hace inevitable la presencia de retardos temporales en la trasmisión de señales de percepción-acción, y aún así ejercemos un control preciso del movimiento de nuestro cuerpo, donde el cerebelo juega un papel fundamental. Estos retardos, que varían entre decenas y centenas de milisegundos, desestabilizarían un sistema de control robótico clásico, demandando así nuevos enfoques de control para escenarios de creciente interés en los que los retardos temporales son inevitables (control inalámbrico, remoto, en la nube…).
“Así, nuestro controlador robótico bioinspirado responde a desafíos tecnológicos aprovechándose de los millones de años que han permitido a la evolución encontrar las soluciones biológicas más eficientes a los problemas que se le han presentado. Esta es la esencia de campos de investigación como la ingeniería neuromórfica, neurociencia computacional y neurorobótica”, concluye el autor.
Vídeo de la noticia: http://sl.ugr.es/0bZY
