A proposta dunha nova arquitectura xerárquica (H-GRAIL) para robótica cognitiva, que selecciona os obxectivos para alcanzar en base a motivacións intrínsecas é eixo central do traballo de investigación realizado polos investigadores Richard J. Duro e Alejandro Romero da área de Intelixencia Artificial do CITIC da UDC. O traballo foi presentado por ambos na Conferencia Internacional do IEEE sobre Desenvolvemento e Aprendizaxe (ICDL) 2022, que se celebrou a pasada semana en Londres, un encontro de profesionais dedicados ao avance da aprendizaxe cognitiva e do desenvolvemento que reuniu a investigadores da informática, a robótica, a psicoloxía e as ciencias do desenvolvemento de todo o mundo.

O estudo dos investigadores CITIC, titulado “Autonomous Learning of Multiple Curricula with Non-stationary Interdependencies” foi realizado en colaboración con investigadores do Institute of Cognitive Sciences and Technologies de Roma, Gianluca Baldassarre e Vieri Giuliano Santucci. Nel incídese en que a aprendizaxe autónoma aberta é un enfoque relevante na aprendizaxe automática e a robótica, que permite o deseño de axentes artificiais capaces de adquirir obxectivos e habilidades motoras sen necesidade de que o usuario lles asigne tarefas. Unha cuestión crucial para este enfoque é desenvolver estratexias que garantan que os axentes poidan maximizar a súa competencia no maior número posible de tarefas no menor tempo posible.

O novo sistema H-GRAIL proposto polos investigadores do CITIC engade unha nova capa de aprendizaxe para almacenar as secuencias de tarefas adquiridas de forma autónoma para poder modificalas no caso de que as interdependencias sexan non estacionarias. Todos os sistemas próbanse nunha contorna robótica simulada e real con diferentes escenarios experimentais que implican diversas tarefas con dependencias.