體化智慧幫助設計機器人

體化智慧(embodied intelligence) 是一種設計及理解一個系統的方法；當一個人和週遭環境關係緊密時，他要怎麼透過有限的感官、運動系統、腦袋處理的速度來應對這個世界？不只是人，這個方法也可以幫助我們設計機器人。有些系統可以完全靠機械制動，像是被動動力步行機(Collins et al. 2005)；有些則需要晶片，像是奈米/毫米級的機器(Li et al. 2018)。

美國西北大學的研究團隊(Pervan and Murphey 2020)提供了一套方法，以人工細胞爲例，探討有限狀態機（軟體）複雜度、制動器數量、感測器數量之間如何做取捨，並得到一定精確的成果。

圖一：控制原理範例。爲了到達右上角，我們可以用簡單的3狀態機，或者複雜的15種狀態；兩者都能達成同樣的目的。

圖二：人工細胞控制範例。x、y代表兩種化學位能，細胞可以被1~6任一控制源牽引，目標是達到p。(b) 當感測器能進行連續感知時的控制策略。 (c) 當感測器只能分區感知時的控制策略。

圖三：感測比較器示意圖。感測比較器可以告訴我們現在在虛線的哪一邊，綜合全部的比較器就可以得到(c)的分區感知。

圖四：左圖：擁有完美感測時的控制策略；右圖：由左至右分別爲高/中/低保真策略，分別用了10/5/2個感測比較器。Graph Entropy 表示有限狀態機複雜度、Kullback-Leibler Divergence(相對熵) 被用來測量理想控制與資源受限控制之間，任務執行的差異；Average Final Distance 告知最終我們離目標有多遠。


作者同時也提到，軟體複雜度與感測比較器的數目有很高的關聯；這讓此方法適合先決定制動器如何運作再根據複雜度決定感測器數量。


撰文｜葉宸甫


參考資料

Collins, Steve, Andy Ruina, Russ Tedrake, and Martijn Wisse. 2005. “Efficient Bipedal Robots Based on Passive-Dynamic Walkers.” Science 307 (5712): 1082–5. https://doi.org/10.1126/science.1107799.

Li, Suping, Qiao Jiang, Shaoli Liu, Yinlong Zhang, Yanhua Tian, Chen Song, Jing Wang, et al. 2018. “A DNA Nanorobot Functions as a Cancer Therapeutic in Response to a Molecular Trigger in Vivo.” Nature Biotechnology 36 (3): 258–64. https://doi.org/10.1038/nbt.4071.

Pervan, Ana, and Todd D. Murphey. 2020. “Algorithmic Design for Embodied Intelligence in Synthetic Cells.” arXiv:2006.07244 [Cs], June. http://arxiv.org/abs/2006.07244.