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, em 2019, um algoritmo que pode ensinar os dispositivos 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. Saiba mais no artigo a seguir, do Engenharia 360!
Desafios da robótica na manipulação de objetos
Por exemplo, imagine que você está em um quarto bagunçado, repleto de roupas e livros espalhados. 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.
Na vida real, a complexidade é maior do que em um filme de ficção científica. 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).
Treinamento e feedback na robótica
Treinar esses robôs leva muito tempo e é preciso uma grande quantidade de dados. Quanto mais feedback for fornecido ao dispositivo, 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.
PUBLICIDADE
CONTINUE LENDO ABAIXO
LEIA MAIS
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.
Resultados promissores na automação industrial
Os testes realizados com um braço robótico mostraram resultados promissores, demonstrando não apenas a capacidade de aprendizado do robô, mas também apresentando uma ferramenta valiosa para tarefas de automação industrial. Em breve, essas tecnologias poderão ser aplicadas em diversos setores.
Veja Também: Como ser um engenheiro de robótica? Dicas de cursos para quem quer virar fera no assunto
Fontes: TechXplore.
PUBLICIDADE
CONTINUE LENDO ABAIXO
Imagens: Todos os Créditos reservados aos respectivos proprietários (sem direitos autorais pretendidos). Caso eventualmente você se considere titular de direitos sobre algumas das imagens em questão, por favor entre em contato com contato@engenharia360.com para que possa ser atribuído o respectivo crédito ou providenciada a sua remoção, conforme o caso.
Comentários
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.