Il controllo motorio umano è sempre stato efficiente nell'eseguire movimenti complessi in modo naturale, efficiente, e senza pensarci troppo. Ciò è dovuto all'esistenza di sinergia motoria nel sistema nervoso centrale (SNC). La sinergia motoria consente al SNC di utilizzare un insieme più piccolo di variabili per controllare un ampio gruppo di muscoli; semplificando così il controllo su movimenti coordinati e complessi.

Ora, i ricercatori della Tohoku University hanno osservato un concetto simile negli agenti robotici che utilizzano algoritmi di apprendimento per rinforzo profondo (DRL).

DRL consente agli agenti robotici di apprendere la migliore azione possibile nel loro ambiente virtuale. Consente di risolvere compiti robotici complessi riducendo al minimo le operazioni manuali e raggiungendo le massime prestazioni. Algoritmi classici, d'altra parte, richiedono un intervento manuale per trovare soluzioni specifiche per ogni nuova attività che appare.

Però, applicare la sinergia motoria dal mondo umano al mondo robotico non è un compito da poco. Anche se molti studi supportano l'impiego della sinergia motoria nel controllo motorio umano e animale, il processo in background è ancora in gran parte sconosciuto.

Nello studio attuale, i ricercatori della Tohoku University hanno utilizzato due algoritmi DRL su agenti robotici ambulanti noti come HalfCheetah e FullCheetah. I due algoritmi erano TD3, un classico DRL, e SAC, un DRL ad alte prestazioni.

I due agenti robotici avevano il compito di andare avanti il ​​più possibile entro un determinato tempo. In totale, gli agenti robotici hanno completato 3 milioni di passaggi. Le informazioni sulla sinergia non sono state utilizzate nei confronti dei DRL, ma gli agenti robotici hanno dimostrato l'emergere della sinergia motoria durante i loro movimenti.

Mitsuhiro Hayashibe, Professore della Tohoku University e coautore dello studio, Appunti, "Abbiamo prima confermato in modo quantitativo che la sinergia motoria può emergere anche nell'apprendimento profondo come fanno gli umani". Il professor Hayashibe aggiunge, "Dopo aver utilizzato il deep learning, gli agenti robotici hanno migliorato le loro prestazioni motorie limitando il consumo di energia sfruttando la sinergia motoria."

Andando avanti, i ricercatori mirano a esplorare più compiti con diversi modelli corporei per confermare ulteriormente i loro risultati.