Uma estrutura de aprendizagem incremental baseada em motivação para robótica

Resumo

Recentemente, o uso de robôs em atividades diárias tornou-se comum. Como resultado, os ambientes são mais complexos, exigindo que os robôs desenvolvam a capacidade de aprendizagem por meio de interação com o meio ambiente e outros agentes. Esta capacidade permite que os robôs executem atividades que não foram pré-programadas. Para isso, os robôs devem ter cognição, o qual pode converter informações de diferentes fontes em conhecimento, um processo feito por meio de funções cognitivas. Cada função cognitiva tem sua especificidade, mas elas precisam agir juntas para o desenvolvimento. No entanto, é razoável supor que algumas condições anteriores deve ser alcançado antes que habilidades complexas possam surgir. Em abordagens recentes, alguns pesquisadores levantaram a hipótese de que existem algumas condições mínimas para que a cognição evolua. Outro ponto crítico é que emoção e motivação tem impactos significativos na tomada de decisões e comportamento humano. Portanto, são funções essenciais a serem desenvolvidas em agentes artificiais. Nossa pesquisa está nos contextos de robótica desenvolvimentista e cognitiva, que visam construir robôs baseados no desenvolvimento humano usando arquiteturas cognitivas, as quais representam compreensivos modelos computacionais fornecendo estruturas teóricas para trabalhar com processos cognitivos na busca de comportamentos complexos. Portanto, continuando o estudo realizado em meu mestrado, vamos projetar um agente cognitivo com os sistemas emocional e motivacional, modelando os processos cognitivos mínimos necessários e sua dinâmica de ativação. Para validar o aprendizado do nosso agente, executaremos um série de experimentos incrementais que o agente pode realizar individualmente ou com interação social. (AU)