Biologie inspireert nieuw robotbrein

De biologie is een onuitputtelijk inspiratiebron voor de robotica. Of het nu gaat om lopen, grijpen, vliegen of zwemmen, robotici kijken vol verbazing en interesse naar de rijke variatie aan oplossingen die de evolutie heeft ontwikkeld. Niet dat robotici de natuur klakkeloos kopiëren, maar wel dat ze eruit halen wat ze kunnen gebruiken in hun mechanische robots. Een efficiënte manier om een robothand een delicate paprika te laten vastpakken bijvoorbeeld. Of een energiezuinige manier om een robot op twee benen te laten lopen. Twee voorbeelden uit het werk van hoogleraar biorobotica Martijn Wisse van de afdeling Cognitive Robotics van de faculteit 3mE.

Bewegen aan de basis van intelligentie

In 2016 hield Wisse zijn intreerede als hoogleraar aan de TU Delft met als titel van zijn lezing: ‘Delivering on the promise of robotics’. Die belofte ligt er enerzijds in dat robots mensen kunnen verlossen van saai, smerig en gevaarlijk werk. Anderzijds zal de samenleving met een toenemende vergrijzing met minder mensen meer moeten produceren. Om dat voor elkaar te krijgen zullen robots keihard nodig zijn.

Wisse vertelde in zijn intreerede een fascinerende anekdote over de intieme relatie tussen beweging en intelligentie, eentje met consequenties voor robots. Het is de anekdote van een klein zee-organisme: de zeespuit (sea squirt). De zeespuit ontwikkelt zich vanuit een eitje tot een soort kikkervisje met een ruggenmerg en een primitief brein. Het brein helpt de zeespuit zich door het water te bewegen. Maar zodra het organisme een geschikte plek heeft gevonden om zich aan te hechten, komt het nooit meer van zijn plaats. Zonder de noodzaak om te bewegen heeft het zijn brein niet meer nodig. De zeespuit begint zijn eigen brein op te eten en wordt weinig meer dan een plant.

Wisse eindigde zijn intreerede met de hypothese dat beweging aan de basis staat van intelligentie, voor mensen zowel als voor robots, en dat hij op zoek wil gaan naar een compacte theorie om beweging en intelligentie aan elkaar te koppelen. Een theorie waarmee hij vervolgens betere robots wil bouwen.

We zijn nu een paar jaar verder. Hoe staat het met zijn zoektocht naar een theorie die beweging aan intelligentie koppelt? En wat betekent dat voor robots in de alledaagse wereld?

Wisse: “Die theorie heb ik gevonden in het werk van de Britse neurowetenschapper Karl Friston van University College London. Hij heeft een kanshebber ontwikkeld voor een unificerende theorie van het menselijk brein: de essentie van de werking van ons brein gevat in één formule. In mijn onderzoeksgroep vertalen we Fristons theorie in algoritmen voor het robotbrein. We verwachten dat we robots hiermee robuuster kunnen maken, beter bestand tegen verstoringen. Maar ook efficiënter, zodat ze bijvoorbeeld veel minder data nodig hebben om een goede beslissing te nemen.”

Prof.dr.ir. M. Wisse

Het aanpassen van je voorspelling en het ondernemen van actie in de buitenwereld, gaan hand in hand. Voor robots is dit cruciaal.

Breintheorie voor robots

Wat is het geheim van Fristons theorie? Uitgangspunt is de eenvoudige biologische observatie dat een levend organisme zijn eigen lichamelijke toestand (gekarakteriseerd door grootheden als temperatuur, druk en zuurgraad) zo veel mogelijk constant moet houden. Zo zorgt bij de mens het brein ervoor dat het zichzelf en de rest van het lichaam zo min mogelijk uit evenwicht laat brengen.

Volgens Friston is het brein niet slechts een passief systeem dat alleen maar op waarnemingen reageert. Het is juist een actief systeem dat voortdurend voorspellingen over de omgeving doet. Elke voorspelling heeft een bepaalde waarschijnlijkheid. Het brein vergelijkt de binnengekomen waarnemingen met die voorspellingen. Het centrale idee van Fristons breinformule is dat het brein ernaar streeft om zo min mogelijk verrast te worden. Dat doet het door het verschil tussen wat het van de wereld waarneemt en wat het over de wereld voorspelt − de voorspellingsfout − te minimaliseren.

Wisse: “Het geniale aan de theorie vind ik dat je die voorspellingsfout op twee manieren kunt minimaliseren. De eerste manier is door je voorspelling aan te passen. Stel, ik schat dat het in deze kamer 20 graden is, maar het blijkt slechts 18 graden te zijn. Dan kan ik zeggen: ik had het fout en ik pas mijn schatting aan. Maar ik kan ook de werkelijkheid aanpassen. Dan zet ik bijvoorbeeld de verwarming aan tot de kamertemperatuur 20 graden is geworden.”

“Die twee, het aanpassen van je voorspelling en het ondernemen van actie in de buitenwereld, gaan hand in hand. Voor robots is dit cruciaal. Zolang de werkelijkheid nog enigszins binnen het model valt, is het handiger voor de robot om zijn voorspelling aan te passen. Wijkt de werkelijkheid te veel af van het model, dan kan de robot beter actie ondernemen om iets in de buitenwereld te veranderen. Vooral wanneer de buitenwereld complex is en veel variatie bevat, lijkt deze theorie heel geschikt voor robots.”

Over een paar jaar weten we of we robots dankzij de breintheorie echt kunnen verbeteren.

Robot-test van de breintheorie

Wisse zoekt regelmatig contact met Friston. Op zijn beurt is Friston heel benieuwd naar de robots van Wisse. Maar hoe goed doen robots het wanneer ze geprogrammeerd worden met de breintheorie?

Wisse: “Je kunt zijn theorie op allerlei niveaus implementeren, van het laagste regelniveau tot het hoogste cognitieve niveau. Wij zijn begonnen op het laagste niveau: het niveau van de actuatoren en sensoren. Op dat niveau zegt de theorie dat de robot beter moet kunnen omgaan met verstoringen. We hebben de theorie geïmplementeerd in een robotarm en zijn aan het testen hoe goed dit werkt. Daarnaast gaan we de theorie in de komende jaren testen in een robot die op vier wielen rijdt. De tuinbouw is heel geïnteresseerd in dit soort robots, denk aan een robot die tussen druivenranken of appelbomen door rijdt en de vruchten kan plukken. Over een paar jaar weten we of we robots dankzij de breintheorie echt kunnen verbeteren. Liever een gedegen dan een overhaaste aanpak. Ik geloof zo sterk in Fristons theorie dat ik alles wat ik in mijn werk doe daaraan probeer te koppelen.”

In de afgelopen jaren heeft in de kunstmatige intelligentie de deep learning-revolutie plaatsgevonden, een techniek waarmee computers veel beter dan ooit tevoren beelden en patronen kunnen herkennen. Deep learning heeft geleid tot talloze toepassingen van beeldherkenning, spraakherkenning en automatische vertalingen. Ook binnen de robotica wordt de techniek volop gebruikt, bijvoorbeeld in autonome voertuigen. Binnen de afdeling Cognitive Robotics onderzoekt Wisses collega-hoogleraar Robert Babuska hoe robots deep learning het beste kunnen gebruiken.

Waarom zoekt Wisse dan naar een heel andere manier om robots vooruit te helpen?

Wisse: “Deep learning heeft heel veel data nodig. Met veel beelden van een stoel kan een computer een stoel herkennen in een nieuw beeld. Maar ook deep learning kan de grote complexiteit van de buitenwereld niet aan. Daarvoor is de variatie te groot. Bovendien verandert de wereld voortdurend. De biologie heeft dat veel slimmer aangepakt. Het menselijk brein doet allerlei aannames over de buitenwereld. Soms leidt dat tot ongerechtvaardigde vooroordelen, cognitieve bias zoals dat heet. Goochelaars maken daar handig gebruik van.”

“Maar voor veel alledaagse situaties doet de biologie het beter en efficiënter dan wat deep learning nu doet. Dat komt juist door die voorspellingen of modellen over de wereld. Het mooie is dat die in de breintheorie zitten die wij nu in robots implementeren. Om de robotica vooruit te helpen moeten we verschillende paden bewandelen. Niet alleen het pad van deep learning, maar ook het pad dat ik nu volg. Om terug te grijpen op mijn intreerede: dan maken we de grootste kans ‘to deliver on the promise of robotics’.”

Field labs als springplank voor robottoepassingen

Wisse ziet zijn werk als een soort drietrapsraket. De eerste trap is het fundamentele onderzoek naar een beter robotbrein. De tweede trap zijn de laboratoriumrobots waarin hij de theorie van het robotbrein test. En de derde en laatste trap zijn de praktische toepassingen. Voor het werk aan concrete toepassingen in de industrie, de land- en tuinbouw en in de detailhandel, hebben Wisse en zijn collega’s in de afgelopen jaren zogeheten field labs opgericht. Daarnaast werken ze aan de verdere ontwikkeling van het Robot Operating System (ROS), de meest gebruikte modulaire robotsoftware ter de wereld. Delftse onderzoekers spelen daarin een vooraanstaande rol wereldwijd.

Wisse: “Mijn groep werkt nauw samen met de field labs RoboHouse en SAM|XL. In RoboHouse kunnen bedrijven ontdekken wat er al bestaat op roboticagebied en hoe ze dat zelf kunnen toepassen. RoboHouse heeft een demonstratieruimte, een testruimte en een werkplaats. Ook ontwikkelaars en studenten kunnen er gebruik van maken. SAM|XL is een field lab specifiek gericht op het automatiseren van de productie van lichtgewicht onderdelen van bijvoorbeeld vliegtuigen, schepen en windturbines. Tenslotte hebben Ahold Delhaize en de TU Delft samen het AI for Retail Lab opgericht, AIR Lab. Daarin onderzoeken we welke rol robotica kan spelen in de detailhandel.”

“De grootste uitdaging voor praktische robots ligt in het omgaan met grote variatie van de omgeving. Onze taak als afdeling Cognitieve Robotica is om robots slimmer te maken zodat ze die variatie aan kunnen. En via onze field labs creëren we ook een ecosysteem waarin bedrijven optimaal van onze kennis gebruik kunnen maken.”