Robótica evolutiva

Una definición alternativa es la dada por Gomi y Griffith, en el artículo escrito el año 1996 titulado “Robótica evolucionaria, una vista”, en la que se plantea la robótica evolutiva como la aplicación de técnicas de la vida artificial a la robótica basada en el comportamiento. Las posibles definiciones de la robótica evolutiva llegan prácticamente a lo mismo, ya que muchas técnicas que diferencian y caracterizan a la vida artificial son evolutivas, el cambio en el tiempo es necesario para que emerjan estructuras debido a procesos de autoorganización, y la robótica basada en el comportamiento es la robótica de los entornos no estructurados, por ser necesarios los comportamientos complejos para funcionar en situaciones en las que no se pueden usar modelos del mundo. Por consiguiente, se puede decir que en realidad no existe más definición que la que lo delimita exclusivamente por unos mínimos que producen una denominación común.

Según Lazkano, en la tesis doctoral escrita el año 2004 titulada “Pautas para el desarrollo incremental de una arquitectura de control basada en el comportamiento para la navegación de robots en entornos semi-estructurados”, la robótica evolutiva se puede considerar englobada dentro de la robótica autónoma y ésta en la robótica basada en el comportamiento, aunque como ya se ha mencionado es posible otras clasificaciones, como la proporcionada por Wang y sus colegas en la obra comentada en párrafos anteriores. Faltaría marcar una clara diferencia entre estas dos últimas, ya que si se tiene en cuenta la definición de autonomía, el robot es autónomo con respecto a su entorno cambiante con el objetivo de su mantenimiento. Para ello debería tener un comportamiento independiente, no determinado directamente por su entorno, un remolino de agua en un río no es autónomo, sino que debería desarrollar diferentes comportamientos. La robótica evolutiva es pues un método de desarrollo de robots que aprovecha mecanismos evolutivos para la obtención de parte o todo el robot. Dichos algoritmos evolutivos se inspiran en diversas teorías que se encuentran en la biología evolutiva, aparte de otros mecanismos optimizadores extraídos de la física, como el templado simulado, que ha sido incluido en la teoría de las redes neuronales.

En palabras de Brooks, en el artículo sobre “Inteligencia sin representación”, presentado en párrafos precedentes, se puede trabajar en robótica evolutiva desde las asunciones de la inteligencia artificial clásica o simbólica, pero el resultado es más difícil de manejar conceptualmente. El entorno proporcionado por la inspiración biológica y los conceptos presentados facilitan el trabajo. Los objetos sobre los que actúa esa evolución pueden ser varios: Programas, parámetros, hardware, reglas de sistemas expertos, redes neuronales, y normalmente constituyen el sistema del control del robot, y en muy contados casos la forma del robot o de sus sensores o efectores. Depende del planteamiento con el que se aborda el problema se busca obtener solamente el controlador adecuado para un robot, o se evoluciona de forma integral para que encaje en su entorno. Resulta evidente la dificultad de este segundo planteamiento, la evolución de la forma, comparándolo con evolucionar solamente estructuras de datos o programas LISP. El porqué de afrontar una evolución tan compleja es que debe equipararse con el problema que se quiere resolver.

En la bibliografía de robótica evolutiva, comentada en la tesis doctoral de Gonzalez-Nalda presentada en párrafos precedentes, no se ponen trabas a las técnicas y métodos secundarios para la obtención del robot. Esto es debido a que, por su juventud, se trata de una técnica sin una ciencia que la avale y estructure. La teoría matemática aplicable en los problemas de robótica evolutiva, que incluye la que describe la dinámica de redes neuronales y algoritmos genéticos a través de ecuaciones diferenciales parciales, es de poca ayuda. Lo único que puede establecer unas normas es el trabajo realizado en la filosofía de la biología para desarrollar una estructura teórica. Las técnicas desarrolladas en los diferentes trabajos permiten elegir los componentes necesarios para construir los sistemas. Se puede poner como ejemplo el trabajo sobre la aerodinámica de los automóviles de Fórmula 1. Por mucho que sepan de teoría los ingenieros del equipo, al final necesitan túneles de viento y simulaciones computacionales de los mismos para desarrollar mediante aproximaciones sucesivas una solución adecuada para el circuito. Una pequeña aleta en el fuselaje pasa por las fases de diseño mental, diseño en papel, diseño en computadora, simulación de túnel de viento en computadora, túnel de viento y prueba del piloto en pista. En robótica evolutiva se hace algo parecido, pero muchas veces no se pasa de la simulación a la realidad porque todavía se necesitan mayores mejoras en simulación que suponen saltos drásticos, necesarios para obtener capacidades básicas.