Towards the integration of neural mechanisms and cognition in biologically inspired robots

Come l'intelligenza emerge dal cervello umano e ancora un problema aperto per la comunita scientifica. Comprendere come i meccanismi neurali del cervello permettano il sorgere degli aspetti cognitivi e uno dei piu interessanti e dibattuti argomenti nel campo delle neuroscienze. I comportamenti intelligenti potrebbero emergere come giusto bilanciamento tra diversi fattori, quali: il cervello, il corpo, i sensori, i meccanismi di attuazione, e l'ambiente in cui e immerso il soggetto. Nonostante non ci siamo prove conclusive che l'interazione tra le sopracitate componenti sia condizione necessaria e sufficiente per l'emergere dell'intelligenza, la teoria proposta e promettente. Al di la della grande rilevanza scientifica di questo argomento, la naturale applicazione di questi studi e la robotica. Negli ultimi decenni sono stati portati avanti numerosi progetti di ricerca il cui obiettivo era di sviluppare macchine intelligenti, inspirate da studi neuroscientifici. Ne segue che la progettazione puo riguardare sia la parte meccanica del robot, sia la parte di elaborazione delle informazioni. Se la progettazione di parti meccaniche ispirate dalla natura e ancora un compito ragionevolemente risolvibile, questo diventa piu complitato nel momento in cui si voglia modellare il cervello sia per il controllo del robot che per l'emergere di aspetti cognitivi. Il campo della robotica bioinspirata e un campo di ricerca molto attivo, e diverse soluzioni sono state proposte, dall' evolutionary robotics alla developmental robotics. Tuttavia, una soluzione, che incorpori nello stesso modello neurale sia gli aspetti cognitivi che gli aspetti di basso livello per il controllo del corpo, e ancora mancante. In questa tesi viene proposto uno studio comprensivo di diversi meccanismi neurali, elicitandone punti di forza e di debolezza. Primo, ho proposto diverse architetture neurali che modellano aree corticali afferenti al percorso visivo dorsale, il cui compito principale e risolvere il problema del raggiungimento degli oggetti percepiti attraverso il sistema visivo. Secondo, ho confrontato i modelli sopracitati per proporre un framework computazionale comune che incorpori quei principi computazionali diffusi in tutte le aree del cervello. Un esempio di questi principi computazionali e il cosidetto population coding. Terzo, ho sviluppato una architettura cognitiva biologicamente inspirata. L'architettura sviluppa un livello cognitivo intermedio, facendo da ponte tra i meccanismi computazionali di basso livello e il ragionamento simbolico. Questa architettura e in grado di apprendere nuovi obiettivi e comportamenti basandosi sull'interazione di alcune aree cerebrali, quali: il talamo, la corteccia, e l'amigdala. Infine, viene proposta una roadmap per lo sviluppo di una architettura biologicamente inspirata che tenga conto sia degli aspetti computazionali di basso livello che degli aspetti cognitivi.