下一代机器人现状(未来已来-可以自行繁衍)
下一代机器人现状(未来已来-可以自行繁衍)
可以交配和产生后代的机器人可以帮助我们清理核设施、探索小行星和对遥远的行星进行地球化改造——但它们是否会被证明是一种威胁?开发它们的艾玛哈特问道。
“ROBOTS”,自从捷克作家 Karel Čapek 使用这个词来描述人造自动机器以来,机器人在本世纪已经取得了长足的进步。他们曾经主要局限于工厂,现在从军队和医学到教育和地下救援无处不在。人们已经创造了可以创作艺术品、植树、骑滑板和探索海洋深处的机器人。我们可以设计一台机器来完成各种任务,这似乎没有尽头。
但是,如果我们不确切知道我们的机器人需要具备什么能力呢?例如,我们可能希望它清理一次核事故、探索未绘制地图的小行星或对遥远的星球进行地球化,在这种工作中派遣人类是不安全的。我们可以简单地设计它来应对我们认为它可能面临的任何挑战,然后保持我们的手指交叉(进行祈祷)。不过,还有一个更好的选择:创造能够从进化中吸取教训和适应环境的机器人。这听起来有些牵强,但这正是我和我的同事在一个名为机器人自主进化 (Autonomous Robot Evolution,ARE)的项目中所做的工作。
我们还没有做到这一点,但我们已经创造了可以“配对”和“复制”的机器人,以生成自主构建的新设计。更重要的是,利用变异和适者生存的进化机制,经过几代人,这些机器人可以优化他们的设计。如果成功,这将是生产一种能够适应困难、动态环境而无需人工直接监督的机器人的方法。这是一个具有巨大潜力的项目——但并非没有重大挑战和道德影响。
使用进化原理设计物体的概念可以追溯到 1960 年代早期,进化计算的起源,当时一群德国工科学生发明了第一个“进化策略”。他们的新颖算法生成了一系列设计,然后选择了一组偏向于高性能的设计,以此为基础进行后续迭代优化。当将次技术应用于现实世界的工程问题时,这不仅优化了喷嘴的设计,而且还生成了一个非常不直观的最终产品。这个过程可以被描述为创造性的——这是生物进化中最珍贵的特性之一。
从那时起,我们将人工进化应用于设计对象的能力发生了重大变化。计算能力的巨大提高使计算机能够在短时间内完成几代设计,并生成对真实环境进行高保真模拟来测试这些设计。与此同时,进化计算理论的进步带来了更好的方法来表示构建设计的信息——它们的虚拟 DNA——并在生成“后代”时对其进行操作,使其反映自然界中发现的过程。其中包括突变和DNA重组,它通过破坏DNA片段并以新的方式重组它们来创造遗传多样性。实践中进化设计的例子现在从表格到新 具有所需功能的分子。早在2006年,美国宇航局就将一颗卫星送入太空,其通信天线是通过人工进化产生的。
“充当大脑的草莓派计算机(注:一种简易掌上电脑)连接到传感器和电机”
然而,设计机器人为该领域带来了一个具有挑战性的新维度:与身体一样,它们需要大脑来解释来自环境的信息并将其转化为所需的行为。进化机器人的大部分早期工作通过简单地使大脑适应新进化的身体设计来解决这个问题。但是智力不仅仅是大脑的属性;它也在于身体。在21世纪,机器人的身体和大脑同时进化。尽管这使进化过程复杂化,但有很大的回报:将一些智能交给身体可以减少对大脑复杂性的需求。
2000年,马萨诸塞州布兰代斯大学的Hod Lipson和Jordan Pollack使用这种方法进化出了能够向前运动的小型机器人,这些机器人使用自动组装技术自行构建。从那时起,材料、模拟和3D打印方法的快速发展极大地增加了机器人设计的潜在范围。十年后,当时都在纽约康奈尔大学的Lipson和Jonathan Hiller使用相同的原理来发展自我构建的“软机器人”,这些机器由柔顺材料而不是刚性材料制成。另一个里程碑出现在2020年,当时佛蒙特大学的 Josh Bongard和他的同事使用类似的方法设计了由青蛙细胞制成的活体机器人或异种机器人。
尽管这些例子中的每一个都代表了进化机器人技术中一个值得注意的里程碑,但它们都有两个缺点。首先,这些机器人都没有传感器,因此尽管它们能够定向运动,但它们缺乏从环境中获取信息并使用它来调整其行为的能力。其次,机器人在模拟中进化,然后在进化后制造。这引入了“现实差距”,这是机器人技术中臭名昭著的现象,是由于模拟与现实之间不可避免的差异造成的。换句话说,无论模拟器的保真度如何,物理机器人的行为都与模拟机器人的行为不同。
克服第二个缺点的一个明显方法是跳过仿真阶段,直接在硬件中构建和评估新的演进设计。2015年,瑞士苏黎世联邦理工学院的研究人员首次证明了这一点。他们使用配备进化算法的“母机器人”来自主设计和制造后代。然后对这些进行测试,只有那些取得最佳结果的才能被选为设计,以供下一代使用。2016 年,荷兰阿姆斯特丹自由大学的Guszti Eiben和他的团队描述了一种不同的方法。他们使用编写了规则的物理机器人,允许他们“见面和交配”,触发生产过程来创造一个新的“机器人宝宝”。
人生的三角
这些发展为ARE奠定了基础,该项目设想了一个完全自主的系统,通过该系统,配备传感器的机器人可以在现实世界中制造、适应和发展。它于2018年启动,由英国工程和物理科学研究委员会资助,是爱丁堡龙皮尔大学之间的合作——我在那里领导自然启发的智能系统小组,该小组开发基于生物进化的算法,以发现具有挑战性的问题的新解决方案——约克大学、西英格兰大学、布里斯托尔大学、桑德兰大学和阿姆斯特丹自由大学。
在ARE中,我们使用人工遗传密码来定义机器人的身体和大脑。进化发生在一个名为EvoSphere的设施中,通过让每个机器人经历一个三阶段循环——制造、学习和测试——我们称之为“生命三角”。在第一阶段,新的进化设计是自主构建的。3D 打印机最初会创建一个塑料骨架。然后,自动装配臂从一组预先构建的组件中选择并连接指定的传感器和运动装置。最后,添加了一台Raspberry Pi计算机作为大脑。它连接到传感器和电机,并下载代表进化大脑的软件。
接下来是最重要的学习阶段。在大多数动物物种中,新生儿都会经历某种学习来微调他们的运动控制。这对我们的机器人来说更加紧迫,因为不同“物种”之间可能会发生繁殖。例如,一个有轮子的可能会与另一个有关节的腿一起繁殖,从而产生具有两种运动类型的后代。在这种情况下,遗传的大脑不太可能对新身体提供良好的控制。学习阶段运行一种算法,在简化的环境中通过少量试验来优化大脑。这个过程类似于孩子在幼儿园学习新技能。只有那些被认为可行的机器人才能进入第三阶段:测试。
“学习阶段类似于孩子在幼儿园学习新技能”
目前,我们正在使用核反应堆内部的模型进行测试,其中机器人必须清除放射性废物,这需要它避开各种障碍物并正确识别废物。每个机器人都根据其成功进行评分,并将这些分数反馈给计算机。选择过程使用这些分数来确定允许哪些机器人进行复制。然后,模仿繁殖的软件对两个父母的基因蓝图进行DNA重组和突变操作,创造出一个新的制造机器人,完成生命的三角。父机器人要么留在种群中,在那里它们可以参与进一步的繁殖活动,要么被分解成它们的组成部分并回收成新的机器人。
通过使用真正的机器人而不是模拟,我们消除了任何现实差距。然而,打印和组装每台新机器大约需要4个小时,具体取决于其骨架的复杂程度,因此限制了种群进化的速度。为了解决这个缺点,我们还研究了平行虚拟世界中的进化。这需要在交配发生后在模拟器中创建每个机器人婴儿的数字版本,然后在虚拟幼儿园和测试地点对它们进行培训和测试。尽管这些环境不太可能完全准确地代表现实世界的对应物,但它们确实使我们能够在几秒钟内构建和测试新设计,并确定那些看起来特别有前途的设计。然后可以优先考虑他们的基因组以制造成现实世界的机器人。更重要的是,我们有一种新的繁殖过程,允许物理机器人和它的虚拟近亲之间进行繁殖,这使得在模拟中发现的有用特征能够迅速传播到现实世界的群体中,并在那里进一步完善。
原则上,我们正在开发的系统可以在人迹罕至的环境或遥远的地方完全自主地运行。潜在的机会很大,但我们也冒着事情可能失控的风险,创造出具有可能造成伤害甚至伤害人类的意外行为的机器人。我们现在需要考虑这一点,而技术仍在开发中。限制用于制造新机器人的材料的可用性提供了一种保障。我们还可以通过持续监控进化过程和进化的机器人来预测不需要的行为,然后使用这些信息建立分析模型来预测未来的问题。最终,我们需要能够关闭整个过程。最明显和最有效的解决方案是使用一个集中的复制系统,并配备一个配备了终止开关的人类监督者。
ARE的一些应用,例如地形改造,可能看起来很有未来感,但我们的研究也可以带来更直接的好处。随着气候变化的步伐加快,机器人设计师显然需要从根本上重新考虑他们减少生态足迹的方法。例如,他们可能想要创建由可持续材料制成的新型机器人,以低能量水平运行并且易于维修和回收。这些可能看起来不像我们今天在我们周围看到的机器人,但这正是人工进化可以提供帮助的原因。不受我们自己对工程科学的理解对我们的设计施加的限制的束缚,进化可以产生我们甚至无法想象的创造性解决方案。
洞察进化
“到目前为止,我们只能研究一个进化系统——地球上的生命,我们不能等待星际飞行为我们提供第二个。如果我们想发现关于进化系统的概括,我们将不得不研究人造的。” 进化生物学家约翰·梅纳德·史密斯写下这些话已经30年了。今天,机器人自主进化 (ARE) 项目正在迎接这一挑战。尽管旨在创造可以复制和适应的机器人(见主要故事),但它也有可能揭示进化本身。
荷兰阿姆斯特丹自由大学的进化机器人学家和ARE团队成员Guszti Eibe说:“机器人实验可以在可控条件下进行,并经过多次重复验证,这在使用生物有机体时很难实现。”机器人的进化也比许多生物系统快得多,因此可以更快地测试想法。但真正的优势在于,机器人可以让研究人员做一些生活无法做到的事情。例如,你可以给机器人两个大脑,你可以操纵“遗传语言”,即描述机器人应该如何形成的代码。例如,当两个机器人“交配”时,你可以控制它们的“基因组”如何重组产生后代的规则。
研究机器人进化可以为推动或限制进化的过程提供新的见解。以种间繁殖为例,生物学家曾将其视为进化的死胡同。ARE提供了一种理想的研究方法,因为与自然界不同,可以繁殖非常不同的“物种”:例如,有腿的机器人可以用带轮的机器人繁殖。生物学家才刚刚开始发现杂交对进化的重要性,而机器人研究在加速我们的理解方面可能是无价的,对生物多样性和保护具有实际意义。
ARE 还希望为进化的另一个基本特性:自然选择带来新的曙光。生物进化纯粹是由生存和繁殖的需要驱动的,配偶选择是由可观察的物理或行为特性决定的。相比之下,人工进化可以由研究人员定义的目标驱动,例如机器人需要节能或低碳足迹。然后,研究可以探索这种引导选择如何影响进化过程的效率——或者强加特定目标是否会限制进化的基本创造力。
“机器人进化为调整系统提供了无限可能,”阿姆斯特丹自由大学的进化生态学家 Jacintha Ellers说。“我们可以想出新颖的生物类型,看看它们在不同的选择压力下的表现如何。” 它提供了一种使用进化原理来探索一组丰富的“假设”问题的方法。