Robótica evolutiva

En el marco de la vida artificial se pueden diseñar sistemas con una dinámica compleja en la que a través de la autoorganización emergen estructuras, funciones y comportamientos que proveen al robot de capacidades que lo clasifican como vivo bajo la visión de la “vida artificial fuerte. El comportamiento adaptativo de ese “ser vivo” podría ser calificado como inteligente bajo la visión de un Test de Turing, descrito en el artículo escrito el año 1950 titulado “Ingeniería y maquinaria computacional”, y más resistente a la de la Habitación China de Searle, descrita en el artículo escrito el año 1980 titulado “Mentes, cerebros y programas”. Según González-Nalda y Cases, en el artículo escrito el año 2008 titulado “Topos: Sujetando redes neuronales para el reconocimiento de patrones temporales en sonidos reales y complejos”, si se introduce en este esquema a la “neurociencia computacional”, disciplina que estudia las características de las neuronas y sus interacción con el uso de las computadoras, y con ello se produce un robot controlado por neuronas artificiales que modelan el funcionamiento de las neuronas naturales, se obtiene un marco adecuado para aplicar la neurociencia a la ingeniería y obtener robots que realizan tareas basadas en la vida artificial.

En palabras de González-Nalda, en la tesis doctoral escrita el año 2008 titulado “Navegación mediante evolución de redes neuronales recurrentes y dinámicas”, el problema es cómo diseñar un robot con una estructura emergente, cómo obtener sus características tanto cualitativas como cuantitativas. Para ello se usan los algoritmos evolutivos, mecanismos que abstraen las complejidades de los sistemas evolutivos naturales y aplican la evolución a los individuos a través de sus características. De la misma forma que los humanos han seleccionado las vacas con el fin de optimizar la cantidad de leche o la calidad de carnes, la evolución permite obtener robots adecuados a un objetivo determinado. Para ello se codifica todo lo modificable de un individuo o robot en una estructura de datos, el gen. Se genera una población en parte o totalmente aleatoria, se evalúa cómo se adecúa cada individuo al fin deseado, y se mezclan los datos de dos o más individuos que han dado buena puntuación en la prueba para tener una nueva generación. La aplicación de los algoritmos genéticos a la robótica es una moderna disciplina llamada robótica evolutiva, y lo habitual es usar con ella los conceptos de la neurociencia.

Se cita en muchos trabajos, principalmente en el artículo escrito por Brooks el año 1991 titulado “Inteligencia sin representación”, la gran dificultad de diseñar sistemas de control de robots autónomos, sobre todo si el trabajo sigue una visión emergente, en la que se quiere evitar trabajar con sistemas simbólicos. En este caso resulta natural inspirarse en la Teoría de la Evolución de Darwin, descrita en el libro escrito el año 1859 titulado “El origen de las especies por medio de la selección natural”, para seleccionar el control del robot mediante selección artificial. Esta forma de trabajar se denomina robótica evolutiva, una disciplina muy joven fundada básicamente con los trabajos de: Brooks, con el artículo escrito el año 1990 titulado “Los elefantes no juegan ajedrez”; Koza, con el libro escrito el año 1992 titulado “Programación genética”; Floreano y Mondada, con el artículo escrito el año 1994 titulado “Creación automática de un agente autónomo”; Harvey, Husbands y Cliff, con el artículo escrito el año 1994 titulado “Viendo la luz: Evolución artificial, visión real”

El término robótica evolutiva fue introducido por Peter Cariani en 1987 en un trabajo no publicado, según explican Harvey y sus colegas, en el artículo escrito el año 2005 titulado “Robótica evolucionaria”. En este texto del grupo de Sussex y la tesis doctoral de Jakobi, escrita el año 1998 con el título “Simulaciones mínimas para robótica evolucionaria”, se puede encontrar una historia de la Robótica Evolutiva. Wang y sus colegas, en el artículo escrito el año 2006 titulado “Robótica evolucionaria: De algoritmos a implementaciones”, definen la robótica evolutiva como la técnica que busca la obtención del controlador, y a veces la forma, de robots para que desarrollen ciertas tareas, a través de mecanismos evolutivos inspirados en la evolución y en la genética. Esta definición es de mínimos, ya que está dada en base al objetivo y el medio imprescindible para que sea calificada de evolutiva. Por ahora la robótica evolutiva es el conjunto de aproximaciones a este problema, ya sea a través de la programación genética, de la arquitectura de subsunción combinada con programación genética, de redes neuronales, o sistemas mixtos, combinando aproximaciones, con el fin de acercarse lo posible a la resolución de una tarea concreta por un robot determinado.