Caracterización del Fenómeno de Aprendizaje en Memorias de Largo Plazo para Arquitecturas Cognitivas de Robots Autónomos

Desde los inicios de la Inteligencia Artificial, las arquitecturas cognitivas han sido un área de interés en la investigación desde la década de 1950, con el objetivo de crear programas informáticos que razonen sobre los problemas a través de diversos dominios, desarrollen conocimiento, se adapten a nuevas situaciones y reflexionen sobre sí mismos.

Las capacidades cognitivas como la memoria, la atención, el lenguaje, la percepción, la solución de problemas o la inteligencia y la planificación involucran funciones cerebrales sofisticadas y únicas.

En la actualidad, la robótica cognitiva ha puesto su atención en el diseño de agentes artificiales capaces de realizar tareas cognitivas de forma autónoma, como en los seres humanos, siendo una cuestión central para esta tarea: estudiar los procesos mediante los cuales los agentes aprenden.

El aprendizaje como tal es una de las características más importantes a ser mejorada en los próximos años, si deseamos un verdadero progreso que nos permita contar con agentes autónomos que sirvan en muchas tareas especializadas en el futuro. El aprendizaje se relaciona de forma directa con la capacidad de memoria a largo plazo

Este trabajo busca brindar una contribución significativa a las técnicas actuales para el manejo de datos en memorias a largo plazo y tomas de decisión, para una mejora en los procesos cognitivos de los robots autónomos.

Se propone un trabajo conjunto entre el TEC Costa Rica y el Grupo Integrado de Ingeniería (GII) de la Universidad de Coruña, España, que puede ser de gran beneficio para la institución

Desarrollar y validar una representación del conocimiento (o nugget de conocimiento = NC) y algoritmos para la evaluación de características de
interés en Memorias de Largo Plazo para Arquitecturas Cognitivas de
Robots Autónomos.

Teoría y Metodologías en Computación: inteligencia artificial, aprendizaje automático, robótica