Quando um humano tenta pegar um objeto, o ato é simples para quem o realiza. Porém, para isso acontecer, o cérebro está trabalhando arduamente. É por isso que essa é uma tarefa um pouco complicada para robôs.

Não é só olhar e pegar, é olhar, ver que há espaço para você chegar até ele e, então, movimente seu braço para alcançá-lo. É preciso ter uma boa noção do espaço ao seu redor (algo que muitos desastrados não têm).

Nos últimos anos, vários pesquisadores tentaram reproduzir essa ato em robôs. Uma das equipes de pesquisa conseguiu desenvolver, recentemente, um algoritmo que pode ensinar os robôs estratégias de agarrar e manipular objetos. O ato de agarrar um objeto já é um velho conhecido da robótica. Porém, a estratégia para conseguir fazer isso é complicada.

Por exemplo: você está em um quarto extremamente bagunçado, cheio de roupas no chão e livros de cálculo e física espalhados pelo caminho. Se você precisa pegar um boné que ficou em cima da cama, você atravessa o quarto desviando dos obstáculos em seu caminho (isso é o que pessoas normais fariam). Porém, se a ordem é dada a um robô, não é simplesmente dizer que ele precisa pegar o boné, é preciso dizer a ele para desviar do que está a frente.

Se fosse em um filme de ficção científica, seria muito fácil. Mas a vida real é mais complexa. Os robôs precisam ter noção não só do alvo e da distância que os separa, mas do resto do espaço ao seu redor. Essa interação com o ambiente ao seu redor pode ser proporcionada por técnicas de machine learning (aprendizado de máquinas).

Treinar esses robôs leva muito tempo e é preciso uma grande quantidade de dados. Quanto mais feedback for fornecido ao robô, mais rápido ele “aprende”. Porém, até mesmo dar esse feedback pode ser difícil, já que não é complexo definir a qualidade da manipulação de um objeto. Decidir o que deve ser aprendido também é complicado.

Para solucionar esse tipo de problema, a equipe definiu uma estratégia de exploração que maximiza as informações pessoais ou minimiza a incerteza das ações e pode ser computada com muita eficiência. O algoritmo apresentado permite que um robô aprenda o movimento ideal para a execução dos atos de pegar e manipular objetos. Uma ação depende da outra.

Os testes com um braço robótico foram bem promissores. Isso mostra não só a capacidade de aprendizado de um robô, como também apresenta uma grande ferramenta para ser usada em tarefas de automação industrial. Em breve, isso também poderá ser aplicado a outras tecnologias.

Fontes: TechXplore.

Larissa Fereguetti

Cientista e Engenheira de Saúde Pública, com mestrado, também doutorado em Modelagem Matemática e Computacional; com conhecimento em Sistemas Complexos, Redes e Epidemiologia; fascinada por tecnologia.