Utilizzando una forma di apprendimento automatico chiamata deep reinforcement learning (DRL), il robot dell’EPFL ha imparato a passare dal trotto allo stotting - un comportamento con cui animali come springbok e gazzelle saltano con la schiena arcuata - per muoversi su terreni difficili contenenti buche. Condotto dal Laboratorio di Biorobotica della Facoltà di Scienze e Tecniche dell’Ingegneria dell’EPFL, questo studio permette di capire meglio perché e come si verificano questi cambiamenti di andatura negli animali.
"Secondo precedenti ricerche, gli animali cambiano andatura per risparmiare energia ed evitare lesioni muscolo-scheletriche. Più recentemente, i biologi hanno sostenuto che la stabilità su un terreno pianeggiante potrebbe essere un fattore più importante. Ma gli esperimenti con animali e robot hanno dimostrato che queste ipotesi non sono sempre valide, soprattutto su terreni irregolari", riferisce Milad Shafiee, dottorando e autore principale di un articolo pubblicato sulla rivista Nature Communications .
Milad Shafiee e i coautori Guillaume Bellegarda e Auke Ijspeert, capo del Laboratorio di Biorobotica, hanno quindi rivolto la loro attenzione a un nuovo parametro che potrebbe spiegare questi cambiamenti nell’andatura: la viabilità, ovvero la prevenzione delle cadute. Per verificare questa ipotesi, hanno addestrato un robot quadrupede ad attraversare vari terreni utilizzando l’apprendimento profondo per rinforzo. Su un terreno pianeggiante, hanno scoperto che ogni andatura mostrava diversi livelli di robustezza di fronte a spinte casuali e che il robot passava dalla camminata al trotto per mantenere la sua vitalità, come fanno gli animali quadrupedi quando accelerano. Inoltre, di fronte a buchi successivi di 14-30 cm nella superficie sperimentale, il robot è passato spontaneamente dal trotto allo stotting per evitare di cadere. Inoltre, la vitalità era l’unico fattore migliorato da questi cambiamenti di andatura.
Abbiamo dimostrato che, sia su terreni pianeggianti che su terreni difficili, la sostenibilità porta a cambiamenti nell’andatura, ma che il risparmio energetico non è necessariamente migliore", spiega Milad Shafiee. Sembra quindi che la conservazione dell’energia, che in precedenza era considerata un fattore che spiegava questi cambiamenti, potrebbe essere più che altro una conseguenza. Quando un animale si muove su un terreno difficile, la sua priorità è probabilmente quella di non cadere. Il risparmio energetico verrebbe dopo".
Un’architettura di apprendimento bioispirata
Per modellare il controllo dei movimenti del robot, gli scienziati hanno preso in considerazione i tre elementi interagenti che controllano i movimenti degli animali: il cervello, il midollo spinale e il feedback sensoriale del corpo. Hanno usato il deep reinforcement learning per addestrare una rete neurale che imitasse la trasmissione dei segnali cerebrali dal midollo spinale al corpo mentre il robot si muoveva su un terreno sperimentale. Il team ha poi assegnato pesi diversi a tre possibili obiettivi di apprendimento: risparmio energetico, riduzione della forza e sostenibilità. Una serie di simulazioni al computer ha rivelato che, di questi tre obiettivi, la sostenibilità era l’unico che induceva il robot a cambiare automaticamente il suo passo, senza alcuna istruzione da parte degli scienziati.Il team sottolinea che queste osservazioni rappresentano la prima struttura di locomozione basata sull’apprendimento in cui i cambiamenti di andatura appaiono spontaneamente durante il processo di apprendimento, nonché l’attraversamento più dinamico di spazi consecutivi così ampi per un robot quadrupede.
"La nostra architettura di apprendimento bio-ispirata ha dimostrato l’agilità di un robot quadrupede all’avanguardia su terreni difficili", afferma Milad Shafiee.
Gli scienziati sperano di estendere il loro lavoro conducendo altri esperimenti che mettano diversi tipi di robot in una più ampia varietà di ambienti difficili. Sperano che il loro lavoro porti non solo alla comprensione della locomozione animale, ma anche all’uso diffuso dei robot nella ricerca biologica, riducendo la necessità di modelli animali e i problemi etici associati.
