Создавать роботов можно по-разному. Очень поучительно и увлекательно бывает взглянуть на братьев наших меньших, позаимствовать идеи у природы. Не менее увлекательно придумать что-нибудь абстрактно-символическое, например оригинальную пространственную логику, и потом долго мучиться, заставляя робота ориентироваться с помощью рассуждений (вот бы посмотреть, как автор подобной логики проживет хотя бы день, ориентируясь в пространстве при помощи своего изобретения). Но есть и радикально иной способ создания роботов - искусственная эволюция.

Чтобы эволюция шла в нужном направлении, разработчик должен задать набор примитивов, правила генерации новых решений и критерии отбора. Примитивы могут быть элементами механической конструкции или базовыми алгоритмами, из которых будет построена программа, управляющая эвоботом. Эволюционное конструирование хорошо тем, что позволяет разработчику не задумываться о том, как должно выглядеть конкретное решение. Обратная сторона медали - отсутствие гарантии, что приемлемое решение вообще будет получено ¹, а также высокая вычислительная трудоемкость такого подхода.

Сегодня эволюционные алгоритмы применяются и для разработки законченных конструкций роботов, и для создания систем управления уже готовыми устройствами, например роботом Khepera (см. врезку на стр. 31).

Эволюция формы

Исследования искусственной эволюции роботов как целого (то есть механической конструкции вместе с системой управления) пока еще в зачаточном состоянии. Первые значимые результаты в этой области получены в 1994 году Карлом Симсом. Это были эксперименты по созданию компьютерных моделей ползающих, прыгающих и плавающих роботов. Роботы состояли из параллелепипедов, которые соединялись гибкими сочленениями. Эволюционировала и морфология - размеры параллепипедов, параметры изменения угла сочленений, и «мозг» - искусственная нейронная сеть для управления эвоботом. Каждое следующее поколение генерировалось из особей, способных развивать наибольшую линейную скорость. Результаты оказались довольно интересными. Мало того что искусственная эволюция нашла массу решений, похожих на те, что встречаются в природе, возникли и совсем необычные способы передвижения ².

Идеи Симса получили развитие в проекте «Голем», инициированном Джорданом Поллаком (Jordan Pollack) в лаборатории Demo Lab университета Брэндис (Brandies University). На этот раз элементной базой для конструкции эвоботов послужили цилиндры с фиксированным диаметром и переменной длиной. Цилиндры могли соединяться под различными углами, а их длина - меняться при помощи встроенных электромеханических устройств, что давало роботу возможность двигаться. В качестве системы управления использовалась искусственная нейронная сеть. Эволюция, нацеленная на создание наиболее быстро перемещающихся роботов, и первоначальный отбор были реализованы в виде компьютерных экспериментов. Через несколько десятков тактов некоторые из двухсот роботов начальной популяции начинали двигаться, и через 300-600 тактов закреплялись устойчивые стратегии передвижения.

Главное отличие от работы Симса заключалось в том, что в геноме эвобота были закодированы команды для трехмерного термопринтера, что позволяло оперативно отлить конструкцию в пластмассе. Затем самые интересные экземпляры, снабженные электроприводами, доказывали свою живучесть в условиях «максимально приближенных к боевым», ползая по засыпанному песком дну коробки (см. www.demo.cs.brandeis.edu/index.html).

Эволюция мозгов

Для создания эвобота целиком необходима коэволюция механической конструкции и системы управления. Однако гораздо проще организовать искусственную эволюцию лишь системы управления, оставляя конструктивную базу неизменной. Поэтому исследования по эволюции систем управления развернулись намного шире, чем по эволюции роботов как целого.

Системы управления для эвобота обычно основаны на искусственных нейронных сетях. Нейронные сети удачно сочетаются с эволюционными алгоритмами, которые применяются для оптимизации как весов сети, так и ее топологии. Обычно эволюция сначала прогоняется на компьютерной модели эвобота в виртуальной среде, затем отбирается несколько решений, обкатывающихся на реальном роботе в реальной среде.

Появление статей, описывающих результаты искусственной эволюции роботов, в журнале «TRENDS in Cognitive Science» (v. 6, №1, 2002) и других изданиях аналогичной тематики означает, что эвоботы вызывают интерес не только у исследователей, интересующихся искусственным интеллектом, но и у тех, кто занимается интеллектом естественным. Эксперименты показывают, что эвоботы могут служить в качестве модели для изучения сенсоро-моторной координации. Представим себе окруженную стенками арену, по которой расставлены цилиндры маленького и большого диаметра. Задача робота состоит в том, чтобы, не натыкаясь на стены, стремиться к цилиндрам большого диаметра, избегая столкновения с маленькими. Робот ориентируется при помощи нескольких инфракрасных сенсоров, и подобное задание ему выполнить непросто, ведь с близкого расстояния маленький цилиндр будет казаться большим. Для того чтобы различать цилиндры, необходимо использовать динамику изменения образа цилиндра при движении робота к нему. Как оказалось, уже в сороковом поколении роботы активно используют сенсоро-моторную координацию и хорошо различают цилиндры.

Интересные результаты получены по коэволюции поведения в модели «хищник - жертва». В Швейцарии в Swiss Federal Institute of Technology (asl.epfl.ch) сконструировали двух роботов. Первый робот - «хищник» обладал широким углом зрения, второй - «жертва» имел меньший угол обзора, но мог развивать вдвое большую скорость. Сначала «хищник» просто гонялся за жертвой, но настигал ее редко. Через несколько поколений охотник стал издалека выслеживать «жертву» и перехватывать ее на пересекающемся курсе. Теперь эволюционировать пришлось «жертве»: оказалось, что наиболее безопасно на максимальной скорости двигаться вдоль стенок, тогда «хищник» не успевает вовремя среагировать. Но на этом эволюция не остановилась, «хищник» научился подкарауливать добычу в засаде у стенки. «Жертва» двигалась очень быстро, и это не позволяло ей увернуться от охотника. Продолжив эксперимент, исследователи выяснили, что стратегии начинают повторяться, появляются циклы. Такие же циклы наблюдаются и в естественных экосистемах.

Антипод изложенной выше задачи - командное поведение. За эксперименты с командным поведением взялись в одном из крупнейших исследовательских центров в области искусственных адаптивных систем, о котором уже не раз писала «Компьютерра», в School of Cognitive and Computing Sciences (COGS, www.cogs.susx.ac.uk/lab/adapt) Университета Сассекса (University of Sussex). Здесь была сделана попытка организовать эволюцию группового передвижения роботов. Три двухколесных «четырехглазых» робота (у каждого по два инфракрасных сенсора спереди и сзади) размещались на плоскости в случайном порядке, но с условием, чтобы в поле зрения каждого из них попадали остальные. Нейронные сети, управляющие поведением роботов, были идентичны. Подопытные должны были двигаться группой в определенном направлении. Из десяти первых попыток, четыре были остановлены как неперспективные, а шесть экспериментов, эволюция в каждом из которых длилась от двух до пяти тысяч поколений, увенчались успехом. Групповое поведение эвоботов каждый раз менялось. Для эксперимента, описанного учеными, окончательный вариант эвобота обеспечивал движение в колонне. Колонна была достаточно устойчивой: так, если экспериментаторы убирали последнего по ходу движения робота, оставшиеся останавливались и «ждали» на месте, слегка осциллируя относительно направления друг на друга. После того, как пропавший возвращался на место, колонна продолжала движение. Если же «исчезал» ведущий робот, средний член команды разворачивался и образовывал с замыкающим устойчивую пару, остававшуюся на месте. Возвращенный на свое место ведущий теперь становился замыкающим, и колонна начинала движение в обратном направлении.

Но можно пойти и дальше - от коллективного поведения отдельных роботов к системам, элементарной частью которых будут сами роботы. Вот по каменистой местности катится шар, останавливается и вдруг рассыпается на сотню мелких мобильных роботов. Теперь каждый из них представляет собой автономную систему, занимающуюся, к примеру, анализом состава грунта. Проходит пара минут, и шар катится дальше. Не правда ли, повеяло старой доброй советской фантастикой? Думаю, не многие удивятся, если узнают, что такие самоконфигурирующиеся роботы уже разрабатываются. В лаборатории Xerox в Пало-Альто планируют применить эволюционные алгоритмы для нахождения правил взаимодействия между модулями «Протео». Объединение сотен ромбических додекаэдров, взаимодействующих локально, позволяет создавать сложные динамически изменяющиеся структуры. Параллельно ведущие европейские исследователи эвоботов работают над совместным проектом Swarm-bot в рамках программы «Information Society Technologies» под эгидой Европейской Комиссии (www.swarm-bots.org). Цель проекта - создание действующей физической модели состоящей из 30-35 элементарных роботов.

Какими свойствами должен обладать такой составной робот? Рассмотрим детальнее проект Swarm-bot.

Предполагается, что элементарные роботы должны иметь возможность формировать динамические трехмерные структуры. Например, так, чтобы роботы, обладающие определенным типом сенсора, распределялись по периферии. Сюда же можно отнести возможность удаления из swarm-bot’а неисправных элементарных роботов.

Другой задачей для swarm-bot’а является перемещение по пересеченной местности. Планируется, что swarm-bot из двадцати элементов должен будет уметь:

• двигаться к источнику света, сохраняя трехмерную форму;
• двигаться к источнику света через узкие проходы и туннели, изменяя форму;
• перебираться через углубления, которые элементарный робот не в состоянии осилить в одиночку;
• перемещаться по пересеченной местности из точки А в точку Б по кратчайшему возможному пути.

При всем этом swarm-bot должен поддерживать свою устойчивую конфигурацию и выполнять задание при удалении некоторого количества произвольно выбранных элементов.

Задачка не из простых, но очевидно, что эвоботы, которые раньше были лишь игрушкой одержимых ученых, постепенно проникают в область, потенциально полезную «народному хозяйству». Что ж, остается только пожелать экспериментаторам удачи.

Сакраментальный вопрос: а что дальше?

Помимо тривиального ответа - о том, что спецслужбы, саперы и спасатели будут в изобилии снабжены суперботами, а врачи смогут использовать для операций хитрые самоконфигурирующиеся инструменты из наноботов, существует и другой ответ, очевидный. А заключается он в том, что наши технологии, а значит, и наша жизнь, выйдут на качественно новый уровень, как только мы перейдем критический рубеж, измеряющийся в количестве «умных» роботов в единице объема за единицу денежного эквивалента. Наверно, тогда по миру разлетится «умная пыль» и начнется повальное «ошустрение».