För en nyfödd giraff eller gnu, att födas kan vara en farlig introduktion till världen - rovdjur ligger och väntar på ett tillfälle att äta en måltid av flockens svagaste medlem. Det är därför många arter har utvecklat sätt för sina ungdomar att hitta fotfäste inom några minuter efter födseln.

Det är en häpnadsväckande evolutionär bedrift som länge har inspirerat biologer och robotister-och nu tror ett team av USC-forskare vid USC Viterbi School of Engineering att de har blivit de första att skapa en AI-kontrollerad robotisk lem som drivs av djurliknande senor som till och med kan bli trippad och sedan återhämta sig inom tiden för nästa fotfall, en uppgift som roboten aldrig uttryckligen var programmerad att göra.

Francisco J. Valero-Cuevas, en professor i biomedicinsk teknik en professor i biokinesiologi och fysioterapi vid USC i ett projekt med USC Viterbi School of Engineering doktorand Ali Marjaninejad och två andra doktorander-Dario Urbina-Melendez och Brian Cohn, har utvecklat en bioinspirerad algoritm som kan lära sig en ny gånguppgift själv efter bara 5 minuters ostrukturerat spel, och sedan anpassa sig till andra uppgifter utan ytterligare programmering.

Deras artikel, beskrivs i artikeln omslag i mars Nature Machine Intelligence , öppnar spännande möjligheter att förstå mänsklig rörelse och funktionshinder, skapa responsiv protes, och robotar som kan interagera med komplexa och föränderliga miljöer som rymdutforskning och sök-och-räddning.

"Nu för tiden, det tar motsvarande månader eller år av utbildning för en robot att vara redo att interagera med världen, men vi vill uppnå snabb inlärning och anpassningar som ses i naturen, "sa seniorförfattaren Valero-Cuevas, som också har möten inom datavetenskap, el- och datorteknik, mekanisk och rymdteknik och neurovetenskap vid USC.

Marjaninejad, en doktorand vid Institutionen för biomedicinsk teknik vid USC, och tidningens huvudförfattare, sa att detta genombrott liknar det naturliga lärandet som händer hos spädbarn. Marjaninejad förklarar, roboten fick först förstå sin omgivning i en process med fritt spel (eller det som kallas 'motorbabb').

"Dessa slumpmässiga rörelser i benet gör att roboten kan bygga en intern karta över dess lem och dess interaktioner med miljön, sa Marjaninejad.

Tidningens författare säger att till skillnad från de flesta nuvarande arbeten, deras robotar lär sig genom att göra, och utan några tidigare eller parallella datorsimuleringar för att styra inlärning.

Marjaninejad tillade också att detta är särskilt viktigt eftersom programmerare kan förutsäga och koda för flera scenarier, men inte för alla möjliga scenarier-därför är förprogrammerade robotar oundvikligen benägna att misslyckas.

"Dock, om du låter dessa [nya] robotar lära av relevant erfarenhet, då kommer de så småningom att hitta en lösning som, hittade en gång, kommer att tas i bruk och anpassas efter behov. Lösningen kanske inte är perfekt, men kommer att antas om det är tillräckligt bra för situationen. Inte var och en av oss behöver eller vill - eller kan lägga tid och ansträngning - för att vinna en OS -medalj, "Säger Marjaninejad.

Genom denna process för att upptäcka sin kropp och miljö, robotlemmarna som är designade i Valero Cuevas laboratorium vid USC använder sin unika erfarenhet för att utveckla gångmönstret som fungerar tillräckligt bra för dem, producera robotar med personliga rörelser. "Du kan känna igen någon som kommer ner i korridoren eftersom de har ett särskilt fotfall, eller hur? "frågar Valero-Cuevas." Vår robot använder sin begränsade erfarenhet för att hitta en lösning på ett problem som sedan blir dess personliga vana, eller "personlighet" - Vi får den fina vandraren, den lata vandraren, mästaren ... you name it. "

De potentiella tillämpningarna för tekniken är många, särskilt inom hjälpmedel, där robotlemmar och exoskeleton som är intuitiva och lyhörda för en användares personliga behov skulle vara ovärderliga för dem som har tappat användningen av sina lemmar. "Exoskelett eller hjälpmedel kommer naturligtvis att behöva tolka dina rörelser för att rymma det du behöver, "Sa Valero-Cuevas.

"Eftersom våra robotar kan lära sig vanor, de kan lära sig dina vanor, och efterlikna din rörelsestil för de uppgifter du behöver i vardagen - även när du lär dig en ny uppgift, eller bli starkare eller svagare. "

Enligt författarna, forskningen kommer också att ha starka tillämpningar inom rymdutforsknings- och räddningsuppdrag, tillåta robotar som gör det som behöver göras utan att bli eskorterade eller övervakade när de ger sig in på en ny planet, eller osäker och farlig terräng efter naturkatastrofer. Dessa robotar skulle kunna anpassa sig till låg eller hög gravitation, lösa stenar en dag och lera efter det regnar, till exempel.

Tidningens två ytterligare författare, doktoranderna Brian Cohn och Dario Urbina-Melendez vägde in forskningen:

"En arts förmåga att lära sig och anpassa sina rörelser när deras kroppar och miljöer förändras har varit en kraftfull drivkraft för evolutionen från början, "sa Cohn, en doktorand i datavetenskap vid USC Viterbi School of Engineering. "Vårt arbete utgör ett steg mot att ge robotar möjlighet att lära sig och anpassa sig från varje erfarenhet, precis som djur gör. "

"Jag ser för mig muskeldrivna robotar, kan bemästra vad ett djur tar månader att lära sig, på bara några minuter, "sa Urbina-Melendez, en doktorand i biomedicinsk teknik som tror på robotens förmåga att ta djärv inspiration från livet. "Vårt arbete med att kombinera teknik, AI, anatomi och neurovetenskap är en stark indikation på att detta är möjligt. "