Progressi recenti nell'IA e nella neuroscienze computazionali hanno introdotto nuovi concetti, metodi e architetture per apprendere la rappresentazione sensoriale e il controllo motorio, al fine di favorire le capacità dei robot in ambienti non strutturati. Gli sviluppi nei modelli di apprendimento spaziano su un ampio spettro di metodologie, abbracciando architetture di apprendimento strutturato profondo e modelli probabilistici, e modelli di apprendimento ispirati al cervello come le reti neurali a spike.

Basate sui complessi processi neurali del cervello umano, tali metodologie conferiscono ai robot una notevole capacità di apprendere dall'esperienza, riconoscere modelli nei dati sensoriali ed eseguire risposte motorie precise. In particolare, le architetture cognitive per il controllo motorio estendono questa esplorazione alla presa di decisioni e all'esecuzione di azioni, prendendo ispirazione dalla cognizione umana. Fornendo un piano organizzato per apprendere ed eseguire comandi motori con efficienza e adattabilità, queste architetture imitano i complessi processi osservati nei sistemi biologici, dove le informazioni sensoriali si traducono senza soluzione di continuità in azioni motorie precise.

La motivazione principale dietro a questo workshop risiede nella comprensione e nella replicazione di questi processi complessi, sfruttando le intuizioni provenienti dal campo in evoluzione della neuroscienza per far avanzare l'Intelligenza Artificiale e la robotica. Fornendo una piattaforma per un'esplorazione completa, questo workshop mira a contribuire al dibattito in corso sulla convergenza tra Intelligenza Artificiale, neuroscienza e robotica, spingendo i confini della nostra comprensione nella rappresentazione sensoriale e nel controllo motorio.