A- A+
Io Uomo tu Robot
Il principio di selezione naturale nella robotica evolutiva

Nuovi approcci per lo sviluppo di robot autonomi  

Attualmente  le ricerche in robotica coinvolgono competenze disciplinari molto diverse e i progressi scientifici nei campi della Biologia dell’evoluzione e della Bioingegneria e le nuove linee di ricerca riguardanti le  scienze cognitive moderne , hanno senz’altro dato un importante contribuito alla realizzazione di macchine dotate di maggiore autonomia. Ricerche concentrate sempre più sulla convergenza tra biologi, ingegneri e cognitivisti e la robotica “classica” diventa sempre più Biorobotica e Robotica avanzata. L’obiettivo è quello di realizzare forme di vita artificiali dai comportamenti intelligenti in grado di svilupparsi e adattarsi in modo autonomo all’ambiente in cui si trovano.

Attualmente progettare e realizzare macchine dotate di reale autonomia è un problema ancora non del tutto risolto e i ricercatori robotici sostengono che la sola progettazione a livello ingegneristico non può portare in modo soddisfacente alla soluzione di problemi complessi.

Occorre superare le difficoltà che derivano, non solo dalla gestione e coordinamento delle diverse componenti strutturali del sistema, ma anche  dalle complessità operative derivanti dall’incertezza che caratterizza le azioni che si produrranno nell’interazione dei sistemi con l’ambiente esterno (dinamico ed incerto).

Sappiamo come negli ultimi anni la ricerca robotica ha portato ad  una rapida diffusione di macchine dalle potenzialità straordinarie, come i robot che sono stati utilizzati per l’esplorazione spaziale, ma anche per l’utilizzo in ambienti ostili o non adeguatamente  noti all'uomo. Si tratta comunque di macchine autonome, ma non adattive e le sole capacità di adattamento sono limitate a quelle possedute dall’uomo che ha comunque la funzione di controllo. I robot autonomi interagiscono con un ambiente esterno ed e' estremamente difficile modellare questa interazione (Parisi, Cecconi e Nolfi, 1990; Gaglio, Esposito e Nolfi, 1994).

Evolutionary Robotics e il paradigma biologico

Già negli anni ‘50 Alan Turing, sosteneva: «sarebbe troppo difficile per un essere umano progettare macchine predisposte all’apprendimento e capaci di adattamento, ma questo risultato è invece ottenibile usando un processo evolutivo che includa mutazioni e riproduzioni selettive» .

La Robotica evolutiva (Evolutionary Robotics) è un’ area di ricerca emergente appartenente al più ampio settore della robotica autonoma, nasce alla fine degli anni ’80 e trae  ispirazione dai meccanismi insiti nell’evoluzione biologica con l’obiettivo principale di far evolvere i robot così come Darwin ci ha spiegato l’evoluzione dei sistemi biologici. Un’interessante prospettiva metodologica che vede sempre più vicini sistemi naturali e sistemi artificiali. La Robotica evolutiva si basa infatti sulle stesse leggi che governano l’evoluzione darwiniana: riproduzione, mutazione e selezione.

                                                                                                                                                                                                                                                      La Robotica evolutiva é un nuovo e promettente approccio in grado di superare le difficoltà oggettive insite nella progettazione di robot in grado di agire concretamente in modo autonomo con l’ambiente nonché gestirne il difficile rapporto di interazione che si viene a delineare (Parisi, Cecconi e Nolfi, 1990; Gaglio, Esposito e Nolfi, 1994) .

Le ricerche si avvalgono, nel caso degli ambienti simulati, di esperimenti  realizzati all’interno di un simulatore software, in pratica un ambiente con requisiti che non si differenziano troppo da quelli della realtà e che consente di replicare aspetti del mondo reale. Attraverso un processo evolutivo una popolazione di robot virtuali si trova nelle condizioni di poter evolvere e alla fine solo i migliori saranno fisicamente realizzati. Per la Robotica evolutiva una delle maggiori sfide sarà proprio quella di saper trasferire le soluzioni adottate dall’ambiente simulato a quello reale.

I sistemi di auto-organizzazione

Sappiamo come in natura i processi evolutivi procedono attraverso sistemi di auto-organizzazione in grado di gestire aspetti fondamentali legati alla vita stessa come la sopravvivenza e la riproduzione. In tal senso il riferimento al paradigma biologico è fondamentale in quanto solo gli organismi viventi sono  sistemi autonomi che presentano un grado di complessità e robustezza che li rendono efficienti ed adeguati per adattarsi alle caratteristiche ambientali.  la robotica evolutiva tenta di superare le difficoltà ,derivanti dall’interazione automa/ambiente,mediante un meccanismo di auto-organizzazione del sistema stesso che, autonomamente,deve trovare una soluzione del problema attraverso una procedura automatica come l’aloritmo genetico (Holland 1975). Questa metodologia ci ha fornito non solo agenti software, ma anche robot mobili in grado di compiere azioni semplici come camminare, evitare gli ostacoli, manipolare e riconoscere gli oggetti nell’ambiente. Anche se restano problemi non ancora risolti la Robotica evolutiva, rispetto alla Robotica tradizionale, è riuscita a creare in modo automatizzato una gamma più ampia di robot « intelligenti » diversi tra loro. Robot in grado di saper operare autonomamente in specifiche situazioni ambientali  e in grado di adottare soluzioni  talora del tutto imprevedibili.

Charles Darwin e la teoria sull'evoluzione delle specie

Charles Darwin nel 1859 pubblicò la sua teoria sull'evoluzione delle specie nel libro “L’origine delle specie”, un contributo indispensabile per la conoscenza e la comprensione della vita sulla Terra  che influenzò fortemente il pensiero scientifico. In questo testo Darwin ci spiega la sua teoria dell’evoluzione, secondo la quale popolazioni di organismi appartenenti ad una stessa specie, tra loro in competizione per le risorse naturali, nel tempo evolvono gradualmente attraverso il processo di selezione naturale, privilegiando gli individui che risultano dotati di maggiore capacità di adattamento all’ambiente (capacità definita fitness). La selezione naturale, nell'ambito della variabilità genetica delle popolazioni, è il meccanismo che determina l'evoluzione delle specie e attraverso il quale si ha un progressivo aumento della frequenza degli individui dotati di caratteristiche ottimali per l’ambiente. In altri termini l’idoneità di un determinato genotipo di riprodursi e di trasmettersi alla generazione successiva (vantaggio riproduttivo). I ricercatori si sono chiesti se tutto questo non fosse valido anche per i sistemi robotici che a loro volta debbono essere il più possibile autonomi rispetto alle  condizioni ambientali. In pratica,nella progettazione di macchine autonome e adattive si tre ispirazione ad approcci ispirati alla biologia nel tentativo di applicare la teoria dell’evoluzione biologica al concetto di cita artificiale.

Algoritmi Genetici in contesti di evoluzione artificiale

Gli Algoritmi Genetici (GA) rappresentano procedure per risolvere problemi di ricerca globale che si caratterizzano per la loro complessità e sono utilizzati per la risoluzione di problemi di ricerca e ottimizzazione.  Concettualmente fanno riferimento ai principi che regolano l'evoluzione naturale delle specie e, a livello informatico, non sono altro che l'applicazione della teoria evoluzionistica

che caratterizza i sistemi biologici. I meccanismi dell’ evoluzione biologica hanno interessato i ricercatori robotici in quanto i sistemi naturali, rispetto alla soluzione di problemi indispensabili per la loro sopravvivenza, sono ottimi risolutori in grado di esibire caratteristiche di efficienza e di robustezza.  Un algoritmo genetico è  una procedura di ricerca, di natura iterativa, che ha come obiettivo l’ottimizzazione della funzione di “fitness “ (grado di “adattabilità all’ambiente”). Gli individui (o soluzioni) che meglio si adattano hanno più probabilità di riprodursi e di trasmettere i propri geni alle generazioni future. I primi algoritmi genetici sono stati proposti negli anni sessanta del secolo scorso da John Holland della università della University of Michigan,il primo che pensò di adattare la logica dell’evoluzione naturale in sistemi informatici. L’obiettivo prioritario di Holland era di indagare il fenomeno dell’adattamento, così come avviene in biologia e, successivamente, di elaborare procedure per trasferire ai sistemi informatici i meccanismi dell’adattamento osservati in natura. Occorre premettere che gli GA, per loro natura concettuale riadattano dalla biologia alcune terminologie specifiche quali: popolazione, cromosoma, gene, fitness, crossover, mutazione. Nell'originario modello di Holland il principio base che sta alla base degli AG risiede nel fatto che operano su una popolazione di soluzioni possibili (cromosomi) codificate ad un determinato problema da risolvere ed applicano, mutuandolo dalle leggi biologiche, il principio della sopravvivenza del migliore (fitness più alta). La procedura prevede che dopo la necessaria formalizzazione di un problema, da ottimizzare in tempi ragionevoli,  si debbano valutare delle soluzioni di partenza che, per effetto di meccanismi di  ricombinazione ed introducendo fattori di perturbazione, evolvono verso un punto di ottimo. Il cromosoma artificiale contiene l’informazione codificata della soluzione che rappresenta, una sequenza di simboli, definita anche “stringa genetica”. Frequentemente viene utilizzata una codifica binaria e in tal caso il cromosoma di tutti gli individui della popolazione è una stringa di lunghezza finita di simboli binari (stringhe di 0 e 1). Analogamente a quanto avviene con i meccanismi dell’evoluzione biologica, partendo da una popolazione iniziale di individui, generata in modo casuale,  viene applicata su tutte le soluzioni  la funzione di fitness. Un GA ad ogni iterazione produce nuove generazioni che contengono individui migliori delle precedenti e ricombinati tra loro in modo che evolvano progressivamente verso soluzioni ottimali. Per la creazione di nuovi individui ad ogni generazione si utilizzano due operatori ispirati all’evoluzionismo biologico: il crossover (ricombinazione) e la mutazione. L’operazione di crossover nei GA si avvale di un operatore matematico che combina due soluzioni al fine di trovarne due nuove che ereditino parte delle caratteristiche di entrambi i genitori. Nella sua forma più semplice si sceglie in modo casuale un punto di taglio (crosspoint) all’interno delle coppie di stringhe che rappresentano i genitori. La seconda strategia è detta mutazione ed applicata su ogni singolo individuo ha la funzione di alterare casualmente, all’interno di una stringa, il valore di una variabile decisionale operando un’inversione dei geni generalmente codificati in binario. In sintesi un classico algoritmo genetico nel corso della sua esecuzione evolve verso una soluzione ottimizzata attraverso un processo di natura probabilistica (il crossover e le mutazioni sono eventi di natura probabilistica) e iterativa, seguendo uno schema di base con fasi procedurali ben definite .

  1. Generazione casuale di una prima popolazione di soluzioni di stringhe genetiche (cromosomi).
  2. Per tutte le soluzioni della popolazione calcolo del valore della funzione di fitness.
  3. Selezione delle soluzioni considerate migliori in base al risultato della funzione di fitness e dei criteri di selezione scelta.
  4. Riproduzione attraverso un meccanismo di crossover (metafora della riproduzione sessuale) per generare delle soluzioni con caratteristiche di entrambi i genitori.
  5. Generazione di una nuova popolazione.
  6. L’iterazione dei passi precedenti, iniziando dal punto 2, fino a quando il criterio di arresto è soddisfatto. 

In tal modo, in un tipico algoritmo genetico, la  successione di generazioni (popolazioni)  evolve verso una soluzione ottimizzata del problema considerato.

Commenti

    Tags:
    darwin e evoluzionismorobot

    in vetrina
    Cristiano Ronaldo, proposta di matrimonio a Georgina Rodriguez: ecco l'anello

    Cristiano Ronaldo, proposta di matrimonio a Georgina Rodriguez: ecco l'anello

    i più visti
    in evidenza
    Nuovo testo per il "Padre Nostro" Cambia il passo sulla tentazione

    Chiesa

    Nuovo testo per il "Padre Nostro"
    Cambia il passo sulla tentazione

    Zurich Connect

    Zurich Connect ti permette di risparmiare sull'assicurazione auto senza compromessi sulla qualità del servizio. Scopri la polizza auto e fai un preventivo

    casa, immobiliare
    motori
    Nuova BMW X5, sempre due passi avanti

    Nuova BMW X5, sempre due passi avanti

    Abiti sartoriali da Uomo, Canali

    Dal 1934 Canali realizza raffinati abiti da uomo di alta moda sartoriale. Scopri la nuova collezione Canali.


    RICHIEDI ONLINE IL TUO MUTUO
    Finalità del mutuo
    Importo del mutuo
    Euro
    Durata del mutuo
    anni
    in collaborazione con
    logo MutuiOnline.it
    Testata giornalistica registrata - Direttore responsabile Angelo Maria Perrino - Reg. Trib. di Milano n° 210 dell'11 aprile 1996 - P.I. 11321290154

    © 1996 - 2018 Uomini & Affari S.r.l. Tutti i diritti sono riservati

    Per la tua pubblicità sul sito: Clicca qui

    Contatti

    Cookie Policy

    Affaritaliani, prima di pubblicare foto, video o testi da internet, compie tutte le opportune verifiche al fine di accertarne il libero regime di circolazione e non violare i diritti di autore o altri diritti esclusivi di terzi. Per segnalare alla redazione eventuali errori nell'uso del materiale riservato, scriveteci a segnalafoto@affaritaliani.it: provvederemo prontamente alla rimozione del materiale lesivo di diritti di terzi.