رباتیک شناختی (انگلیسی: Cognitive robotics)در واقع به ارائه رفتار رفتار هوشمند و ارائه یک معماری پردازشی به یک ربات گفته می شود، که به آن یاد می دهد که در پاسخ به اهداف پیچیده در دنیای پیچیده چگونه رفتار کند. رباتیک شناختی را می توان به عنوان شاخه مهندسی دانش شناختی مجسم شده و در شناخت گنجانده شده در نظر گرفت.
چه میزان برنامه ریزی انسانی باید برای پشتیبانی از فرایندهای یادگیری نقش داشته باشد؟
چگونه می توان میزان پیشرفت را تعیین کرد؟ برخی از روش های پذیرفته شده، پاداش و مجازات است. اما چه جور پاداشی و چه نوع مجازاتی؟ برای انسان ها، وقتی که یک کودک را به عنوان مثال آموزش می دهند، پاداش شکلات یا تشویق خواهد بود و مجازات می تواند شکل های مختلفی داشته باشد. اما راه مؤثر برای ربات ها چیست؟
در حالی که رویکردهای مدل سازی شناختی سنتی، طرح های کدگذاری نمادین را به عنوان ابزاری برای نمایش جهان در نظر گرفته اند، ترجمه جهان به این گونه نمایش های نمادین، در صورتی که غیرقابل دفاع باشد، مسئله آفرین است. پس فلسفه ادراک، شناخت حرکتی و تصور نمایش نمادین موضوعات اصلی هستند که باید در رباتیک شناختی بررسی شوند.
نقطه شروع برای توسعه پردازش اطلاعات رباتیک در رباتیک شناختی، شناخت حیوانی می باشد که بر خلاف تکنیک های سنتی در هوش مصنوعی است. توانایی شناختی رباتیک هدف شامل پردازش ادراک، تخصیص توجه، پیش بینی، برنامه ریزی، هماهنگی حرکتی پیچیده، استدلال در مورد عوامل دیگر و شاید حتی در مورد حالات ذهنی خودشان است. شناخت رباتیک وضع مؤلفه های هوشمند در جهان فیزیکی را نشان می دهد. در نهایت نکته مهم این است که ربات باید در دنیای واقعی کار کند.
یکی از تکنیک های اولیه یادگیری ربات، که حرف زدن موتور نامیده می شود، شامل ارتباط حرکات موتور پیچیده شبه تصادفی توسط ربات با بازخورد بصری و / یا شنیداری است و این ربات می تواند انتظار یک الگوی بازخورد حسی را داشته باشد که الگوی خروجی موتور را نشان می دهد. بازخورد مناسب برای اطلاع از سیگنال کنترل موتور مورد استفاده است. با یک مثال فهم این موضوع ساده تر می شود. این مورد دقیقاً مثل نوع یادگیری کودک است به خصوص زمان هایی که برای اولین بار می خواهد دنبال اشیا بگردد یا صداها و گفتارهایی را برای اولین بار بگوید. برای سیستم های رباتی ساده تر، برای مثال سینماتیک معکوس، که برای تبدیل بازخورد پیش بینی شده ( نتیجه موتور مورد نظر) به خروجی موتور مورد استفاده قرار گیرد، ممکن است حذف شود.
چه میزان برنامه ریزی انسانی باید برای پشتیبانی از فرایندهای یادگیری نقش داشته باشد؟
چگونه می توان میزان پیشرفت را تعیین کرد؟ برخی از روش های پذیرفته شده، پاداش و مجازات است. اما چه جور پاداشی و چه نوع مجازاتی؟ برای انسان ها، وقتی که یک کودک را به عنوان مثال آموزش می دهند، پاداش شکلات یا تشویق خواهد بود و مجازات می تواند شکل های مختلفی داشته باشد. اما راه مؤثر برای ربات ها چیست؟
در حالی که رویکردهای مدل سازی شناختی سنتی، طرح های کدگذاری نمادین را به عنوان ابزاری برای نمایش جهان در نظر گرفته اند، ترجمه جهان به این گونه نمایش های نمادین، در صورتی که غیرقابل دفاع باشد، مسئله آفرین است. پس فلسفه ادراک، شناخت حرکتی و تصور نمایش نمادین موضوعات اصلی هستند که باید در رباتیک شناختی بررسی شوند.
نقطه شروع برای توسعه پردازش اطلاعات رباتیک در رباتیک شناختی، شناخت حیوانی می باشد که بر خلاف تکنیک های سنتی در هوش مصنوعی است. توانایی شناختی رباتیک هدف شامل پردازش ادراک، تخصیص توجه، پیش بینی، برنامه ریزی، هماهنگی حرکتی پیچیده، استدلال در مورد عوامل دیگر و شاید حتی در مورد حالات ذهنی خودشان است. شناخت رباتیک وضع مؤلفه های هوشمند در جهان فیزیکی را نشان می دهد. در نهایت نکته مهم این است که ربات باید در دنیای واقعی کار کند.
یکی از تکنیک های اولیه یادگیری ربات، که حرف زدن موتور نامیده می شود، شامل ارتباط حرکات موتور پیچیده شبه تصادفی توسط ربات با بازخورد بصری و / یا شنیداری است و این ربات می تواند انتظار یک الگوی بازخورد حسی را داشته باشد که الگوی خروجی موتور را نشان می دهد. بازخورد مناسب برای اطلاع از سیگنال کنترل موتور مورد استفاده است. با یک مثال فهم این موضوع ساده تر می شود. این مورد دقیقاً مثل نوع یادگیری کودک است به خصوص زمان هایی که برای اولین بار می خواهد دنبال اشیا بگردد یا صداها و گفتارهایی را برای اولین بار بگوید. برای سیستم های رباتی ساده تر، برای مثال سینماتیک معکوس، که برای تبدیل بازخورد پیش بینی شده ( نتیجه موتور مورد نظر) به خروجی موتور مورد استفاده قرار گیرد، ممکن است حذف شود.
wiki: رباتیک شناختی