Aproximación a una arquitectura cognitiva para el aprendizaje y generalización de un proceso de clasificación aplicado en un robot colaborativo

Un robot colaborativo es un robot diseñado para interactuar con humanos y otros robots en un espacio definido de trabajo (Drolshagen et al. 2021). Estos robots colaborativos dependen en gran medida de la automatización en la programación de sus tareas que generalmente requiere ajustes específicos, tiempos prolongados de programación y reprogramación realizada en la mayoría de los casos por ingenieros experimentados (Haage et al. 2017). Una posible solución para lograr una transición suave hacia un mayor nivel de autonomía es incluir maestros humanos que brinden realimentación a través de la demostración (Lee 2017). En esta dirección, se identifican preguntas de investigación que incluyen entre otras: ¿Cómo reducir la experiencia requerida y el nivel de habilidad del humano programador de robots? y ¿cómo hacer que los robots colaborativos estén disponibles para nuevos usuarios y facilitar el aprendizaje en los robots a través de la experiencia? (Askarpour 2020; Jager, Zweiri, and Makris 2020; Kotseruba and Tsotsos ). Un primer desafió para resolver estas preguntas de investigación parte de la manera de transmitir la información hacia el robot colaborativo para proporcionar las demostraciones. En este punto se han identificado tres enfoques principales: kinestésico, tele-operación y por observación (A. Billard et al. 2020). Un segundo desafío busca definir el mecanismo de aprendizaje del robot, para lo que se han identificado, entre otros: algoritmos basados en tablas de decisión (Argall et al. 2009), modelamiento de políticas estocásticas (Hausman et al. 2017), aprendizaje por reforzamiento (Gonzalez-Fierro et al. 2013) y algoritmos inspirados en modelos psicológicos como las arquitecturas cognitivas (Kotseruba and Tsotsos ; Martín, Lera, and Ginés 2020; Sweller, Merriënboer, and Paas 2019). Finalmente, un tercer desafío estudia la capacidad de generalización del robot para responder de forma correcta a estímulos nunca antes vistos (inter-tarea) o casi similares (intra-tarea) y resolver la tarea propuesta (A. Billard et al. 2020). Con base en lo anterior, este proyecto de investigación propone una aproximación hacia una solución integral que aborde de forma simultanea los tres desafíos expuestos y para esto se propone transmitir la información al robot mediante un enfoque demostrativo por observación; específicamente un aprendizaje activo con correcciones demostrativas mediante un diálogo multimodal. Como mecanismo de aprendizaje se utilizará una arquitectura cognitiva y finalmente, se integrará la capacidad de generalización (intra-tarea) con capacidad de respuesta ante variación en posición y rotación de objetos cúbicos a manipular