Aprendizaje del robot

El aprendizaje con analogía se considera como una solución muy poderosa y se ha aplicado a la planificación de robots, algún sistema de planificación de robots con aprendizaje ha sido ya propuesto, se denomina PULP – I (Tangwongsan y Fu 1979). El sistema emplea la analogía entre una tarea que no ha sido planeada y cualquier tarea similar para reducir la búsqueda de una solución. En vez de una lógica de predicados se emplea una red semántica como una representación interna de tareas. Inicialmente un conjunto de tareas básicas se almacenan en el sistema como conocimiento basado en la experiencia pasada.

Se emplea la analogía de sentencias de las dos tareas para expresar la similitud entre ellas y se determina mediante un proceso de comparación semántico; el algoritmo de comparación mide la » cercanía » semántica, cuanto más pequeño es su valor, más se acercan en significado. Se determina un plan propuesto, basado en el proceso de medidas semánticas y en la experiencia pasada que se recupera de la información almacenada. Cada plan propuesto es chequeado por sus operadores para asegurarse de su aplicabilidad en el estado del mundo actual.

Si el plan no es aplicable, solo hay que rechazarlo. Tras comprobar su aplicabilidad, se pueden considerar varios planes candidatos. Estos planes candidatos se dan en orden ascendente, de a cuerdo a una evaluación del valor de su proximidad semántica. El que tenga un valor de diferencia semántica más pequeño tiene la prioridad más alta y debe colocarse al principio de la lista de candidatos. Pero, si no se encuentra ningún candidato el sistema se detiene sin éxito.

La simulación por computadora de PULP-I ha demostrado una mejora significativa en la planeación. Esta mejora no es simplemente la velocidad de planificación sino también la capacidad de crear planes complejas a partir de un ejemplo de tareas básicas ya aprendidos.