Robôs Com Designs Diferentes Podem Compartilhar Habilidades
À medida que os robôs se movem para o mundo real, eles precisarão se tornar mais adaptáveis. No entanto, atualmente, é difícil transferir habilidades de uma máquina para outra. Um novo sistema torna isso possível. Um dos principais desafios é que as habilidades ensinadas a um robô geralmente não funcionam em outro. Com uma nova abordagem, é possível ensinar uma habilidade a um robô e depois transferi-la para outro, sem a necessidade de reensinar. Isso é especialmente importante para empresas que precisam atualizar seus robôs regularmente, pois não precisarão gastar tempo e recursos reensinando habilidades básicas.
Um dos métodos mais populares para ensinar robôs é ter um humano mostrar-lhes o que fazer, seja por meio de orientação física, controle remoto ou até mesmo desenhando o movimento desejado. No entanto, essas habilidades estão intimamente ligadas a cada robô específico. Se uma empresa atualiza para um novo robô com um design diferente, a habilidade é quebrada e o robô precisa ser treinado desde o início. Isso pode ser um problema significativo, especialmente em ambientes industriais onde a eficiência e a produtividade são essenciais. Para resolver esse problema, os pesquisadores do Instituto Federal Suíço de Lausanne desenvolveram uma nova abordagem que permite que os robôs entendam os limites de suas próprias articulações.
Essa abordagem foi apresentada em um artigo publicado na revista Science Robotics e permitiu que vários robôs completassem uma tarefa com base em uma única demonstração humana. “Com novos designs vêm diferentes capacidades e restrições”, disse Durgesh Haribhau Salunkhe, coautor do artigo, à Ars Technica. “O problema é adaptar-se a essas restrições e capacidades – para replicar fielmente as ações demonstradas por um humano”. Surpreendentemente, a abordagem não depende de inteligência artificial (IA). Em vez disso, os pesquisadores analisaram as propriedades físicas de vários braços robóticos com três articulações rotativas, um design popular em ambientes comerciais, para mapear seus limites.
Para completar uma tarefa, um braço robótico deve calcular como dobrar cada articulação para alcançar seu alvo. Além disso, ele precisa evitar empurrar as articulações além de seus limites físicos ou torcê-las em ângulos estranhos. Os engenheiros chamam esses limites de “singularidades” porque eles fazem com que as equações que regem o movimento do robô sejam quebradas. Falhas podem causar movimentos repentinos e perigosos. Os pesquisadores mapearam as regiões seguras no alcance de movimento de cada robô e classificaram todos os robôs com três articulações em seis categorias com base em limites físicos compartilhados.
Eles incorporaram esses limites no programa de cada robô. A equipe chama isso de “inteligência cinemática”, basicamente o conhecimento de quais movimentos as máquinas podem e não podem fazer com segurança. Se um movimento empurra o robô para uma zona insegura, o sistema ativa o que os pesquisadores chamam de “ciclo de rastreamento”. Essa é uma estratégia para contornar a zona de perigo, personalizada para a categoria do robô. Alguns robôs percorrem horizontalmente ao longo das zonas, outros verticalmente e alguns mudam de modo. Como teste no mundo real, a equipe configurou uma linha de montagem simulada com três robôs comerciais: um com um design de braço robótico comum, outro com um design mais alongado e um terceiro com um design mais compacto.
Os robôs foram capazes de realizar tarefas como montar peças e realizar operações de soldagem, todas com base em uma única demonstração humana. A abordagem mostrou ser eficaz em transferir habilidades entre robôs com designs diferentes, o que pode ser um grande avanço para a indústria. Isso pode permitir que as empresas atualizem seus robôs mais facilmente, sem precisar gastar tempo e recursos reensinando habilidades básicas. Além disso, a abordagem pode ser útil em ambientes onde os robôs precisam trabalhar juntos para realizar tarefas complexas. Com a capacidade de compartilhar habilidades, os robôs podem trabalhar em equipe de forma mais eficiente e eficaz.
A nova abordagem também pode ter implicações para a pesquisa em inteligência artificial e robótica. Se os robôs puderem aprender a se adaptar a novos ambientes e tarefas, eles podem se tornar mais úteis em uma variedade de aplicações, desde a manufatura até a assistência médica. Além disso, a capacidade de compartilhar habilidades pode permitir que os robôs aprendam uns com os outros, o que pode levar a avanços significativos na área de inteligência artificial. No entanto, é importante notar que a abordagem ainda é relativamente nova e precisa ser testada em uma variedade de ambientes e aplicações antes de ser amplamente adotada.
Em resumo, a nova abordagem desenvolvida pelos pesquisadores do Instituto Federal Suíço de Lausanne permite que os robôs compartilhem habilidades, mesmo que tenham designs diferentes. Isso pode ser um grande avanço para a indústria, permitindo que as empresas atualizem seus robôs mais facilmente e trabalhem em equipe de forma mais eficiente. Além disso, a abordagem pode ter implicações para a pesquisa em inteligência artificial e robótica, permitindo que os robôs se adaptem a novos ambientes e tarefas e aprendam uns com os outros. Com a capacidade de compartilhar habilidades, os robôs podem se tornar mais úteis e eficazes em uma variedade de aplicações, desde a manufatura até a assistência médica.
