Graças a um novo algoritmo de computador, os robôs agora podem lidar com a bagunça se movimentar em ambiente desordenado.

Os robôs estão aumentando em seu número em nossa vida cotidiana, assumindo tarefas simples em casa e nas empresas. Durante suas tarefas, esses robôs são confrontados com uma ampla gama de objetos articulados, como ferramentas, armários, gavetas etc. Esses objetos, em termos de arrumação, oferecem um número infinito de arranjos e posições possíveis, e os robôs precisam discernir rapidamente o que fazer diante disso.

Mas como ensinar os robôs a se comportarem diante de ambientes desordenados, sem planejamento ou arrumação?

A fim de melhorar a percepção robótica, cientistas da Universidade de Michigan em Ann Arber, liderados por Karthik Desingh, criaram um algoritmo metódico que calcula e estima várias posições potenciais de objetos articulados. Condensado, o algoritmo ensina o robô a coordenar suas ações.

Robôs “pensando” antes de realizarem ações em ambientes desordenados

Em última análise, essa proposta será extremamente útil e
melhorará o serviço de robôs, principalmente em depósito ou robôs domésticos.
Dizemos isso, pois sua capacidade de interagir e movimentar objetos e
ferramentas articulados aumentará drasticamente em ambientes lotados de obstáculos.

A fim de mover-se rapidamente em torno de uma cozinha e seus
gabinetes, um robô tem que compreender e conhecer a gama de posições dos
objetos (fechando e abrindo gavetas, por exemplo) e praticando um conjunto
específico de movimentos.

O desafio? Variação na norma

Por exemplo: Se uma toalha de cozinha estiver espalhada em gavetas ou em um gabinete, o robô não reconhece mais o objeto e não sabe qual movimento realizar.

Graças ao novo algoritmo, um robô poderá agora levar isso em
conta, percorrer todas as possíveis variações de posição e ainda ser capaz de
contorná-las e descobrir como trabalhar em torno do ambiente desordenado.

Como o algoritmo funciona:

Os pesquisadores criaram o algoritmo, chamado PMPNBP, que
formula variáveis aleatórias que constituem diferentes opções de uma sequência
de avaliações de posições para os objetos. Ele usa os entendimentos anteriores
do robô para fazer isso.

Atualmente, 100 iterações distintas são usadas através do
PMPNBP, deixando espaço para que muitos panos de prato sejam jogados no
armário.

Na pesquisa, os cientistas ilustraram que a noção de incerteza na inferência é inevitável na percepção robótica. O algoritmo PMPNBP proposto foi capaz de estimar com precisão a posição de objetos articulados e que manter a crença sobre possíveis posições podem beneficiar um robô na realização de uma tarefa.

Fontes: Science Robotics.

Kamila Jessie

Doutoranda e mestre em Engenharia Hidráulica e Saneamento pela Universidade de São Paulo, é formada em Engenharia Ambiental e Sanitária.