Cognitive robotics research draws inspiration from theories and models on cognition, as conceived by neuroscience or cognitive psychology, to investigate biologically plausible computational models in artificial agents. In this field, the theoretical framework of Grounded Cognition provides epistemological and methodological grounds for the computational modeling of cognition. It has been stressed in the literature that simulation, prediction, and multi-modal integration are key aspects of cognition and that computational architectures capable of putting them into play in a biologically plausible way are a necessity. Research in this direction has brought extensive empirical evidence, suggesting that Internal Models are suitable mechanisms for sensory-motor integration. However, current Internal Models architectures show several drawbacks, mainly due to the lack of a unified substrate allowing for a true sensory-motor integration space, enabling flexible and scalable ways to model cognition under the embodiment hypothesis constraints. We propose the Self-Organized Internal Models Architecture (SOIMA), a computational cognitive architecture coded by means of a network of self-organized maps, implementing coupled internal models that allow modeling multi-modal sensorymotor schemes. Our approach addresses integrally the issues of current implementations of Internal Models. We discuss the design and features of the architecture, and provide empirical results on a humanoid robot that demonstrate the benefits and potentialities of the SOIMA concept for studying cognition in artificial agents.

Gaona-Romero, W. et al. Adquisición de conceptos espaciales en un agente autónomo artificial a través de simulaciones internas ResumenLa robótica móvil que hace uso de visión artificial tradicional, es capaz de estimar la distancia a los objetos del entorno basándose en el uso de un modelo de cámara. Esta estimación consiste en el cálculo de un valor numérico a partir de los parámetros de la cámara y de relaciones geométricas. Sin embargo, este valor necesita ser interpretado por el diseñador o algún otro agente externo. En la investigación presentada en este artículo demostramos que un agente autónomo es capaz de adquirir conceptos básicos de su relación con el mundo a través de su interacción con éste, obviando así la necesidad de una interpretación externa. En particular nos centramos en dos conceptos, el primero es distancia a, y se refiere a la distancia, en términos de comandos motrices, que el agente deberá recorrer para colisionar con un obstáculo. En segundo lugar, exploramos el concepto de pasabilidad, mediante el cual el agente es capaz de discernir, entre dos pasajes de diferente tamaño, por cuál de ellos puede pasar sin colisionar. Sostenemos que estos conceptos no recaen en un mecanismo que lleva a cabo cálculos geométricos sino más bien en procesos de simulación sensoriomotriz codificados en el funcionamiento de un modelo interno. Para lograr esto, hacemos uso de teorías provenientes de las ciencias cognitivas, en particular proponemos el uso de modelos directos. Estos modelos, conocidos como predictores proveen al agente con predicciones sensoriomotrices de sus propias acciones. Los modelos directos proveen al agente con representaciones formadas por asociaciones de diferentes modalidades. En este caso en particular, el sistema usa las modalidades de información visual, información táctil, e información motriz. Estas provenientes de una cámara estereo, un arreglo de sonares y los actuadores del agente, respectivamente. El trabajo está enmarcado dentro de la robótica cognitiva, área de investigación que sostiene que la naturaleza de los comportamientos humanos es tal que éstos no pueden ser pre-programados por un diseñador. En su lugar lo que se busca es que los agentes artificiales sigan una línea de desarrollo similar a la de los seres humanos, aprendiendo a través de la interacción con su medio y explotando el conocimiento que esta interacción les provee. Los resultados obtenidos con los experimentos proveen bases sólidas en la búsqueda de comportamientos más complejos en agentes capaces de interactuar con su medio ambiente de manera autónoma obteniendo conocimiento cimentado en sus propias características sensoriomotrices. AbstractIn mobile robotics, using artificial vision, one is capable of estimating distance to objects in the environment by means of a camera model. This estimation consists in the calculation of a numerical value based on a number of camera parameters and geometric relations. However, this value needs to be interpreted by the designer or some other external agent. In the w...

No abstract