Integración de distintas componentes de la arquitectura e-MDB en sistemas robóticos modulares

Abstract

Este proyecto aborda el desafío de incrementar la autonomía en robots modulares específicamente el EMERGE, enfrentando el problema de su adaptabilidad en dominios complejos y cambiantes. Dado que las capacidades de actuación de estos robots varían con su morfología, el objetivo principal fue desarrollar un sistema que permitiese al robot identificar y aprender posibilidades de actuación adecuadas a su forma sin necesidad de reprogramar constantemente sus códigos de control. Incorporando componentes de la arquitectura cognitiva e-MDB, como el proceso deliberativo de toma de decisiones y la integración de las motivaciones intrínsecas para generar modelos de utilidad, se dotó al EMERGE de una autonomía de aprendizaje abierto a lo largo de la vida, permitiéndole operar en situaciones desconocidas y reutilizar conocimientos previos. Esta metodología se aplicó exitosamente en diversos dominios, tanto simulados como reales, permitiendo al robot interactuar eficazmente con su entorno y cumplir sus objetivos en diversas configuraciones morfológicas. Este enfoque promete avanzar significativamente en la robótica cognitiva, contribuyendo al trabajo del GII y sus respectivos proyectos de investigación.

This project addresses the challenge of increasing autonomy in modular robots, specifically the EMERGE robot, facing the problem of their adaptability in complex and changing domains. Since the performance capabilities of these robots vary with their morphology, the main objective was to develop a system that would allow the robot to identify and learn performance possibilities appropriate to its shape without the need to constantly reprogram its control codes. By incorporating components of the e-MDB cognitive architecture, such as the deliberative skills and the integration of intrinsic motivations to generate utility models, the EMERGE was endowed with lifelong open-ended learning autonomy, allowing it to operate in unfamiliar situations and reuse previous knowledge. This methodology was successfully applied in a variety of domains, both simulated and real, allowing the robot to interact effectively with its environment and accomplish its goals in various morphological configurations. This approach promises to significantly advance cognitive robotics, contributing to the work of the GII and its respective research projects.