Robótica

Como os robôs podem rapidamente ensinar uns aos outros para pegar novos objetos

Pode levar horas para um robô decifrar como pegar um novo objeto. Mas centenas de robôs poderiam acelerar o processo de compartilhamento desse conhecimento.

  • quarta-feira, 18 de novembro de 2015
  • Por Will Knight
  • Tradução por Elisa Matté (OPINNO)


Imagem: O Baxter no laboratório de Stefanie Tellex tenta segurar dois objetos de uma só vez.

Segurar uma caneta ou um par de óculos de sol pode ser fácil para você ou para mim, mas é extremamente difícil para um robô, especialmente se o objeto em questão é desconhecido ou se está estranhamente posicionado.

No entanto, a prática faz a perfeição como um robô está provando. Ele está ensinando a si mesmo como pegar todos os tipos de objetos através de horas de repetição. O robô utiliza diferentes câmeras e sensores de infravermelho para olhar um objeto desconhecido de vários ângulos antes de tentar pegá-lo. Em seguida, ele faz isso usando várias formas diferentes de segurar, balançando o objeto para se certificar de que está realmente seguro. Pode levar dezenas de tentativas para o robô conseguir a pegada certa e dezenas mais para certificar-se de que o objeto não vai escorregar.

Isso pode parecer um processo tedioso, mas quando o robô aprende a pegar alguma coisa, ele pode compartilhar esse conhecimento com outros robôs que têm os mesmos sensores e garras. Os pesquisadores por trás do esforço esperam um dia permitir que centenas de robôs aprendam coletivamente como agarrar um milhão de coisas diferentes.

O trabalho foi feito por Stefanie Tellex, um professor assistente na Universidade de Brown, em conjunto com um de seus alunos de pós-graduação, John Oberlin. Eles usaram um robô industrial com dois braços chamado Baxter, feita pela empresa Rethink Robotics sediada em Boston.

No Northeast Robotics Colloquium, um evento realizado no instituto politécnico de Worcester este mês, Oberlin demonstrou as habilidades do robô para o público.

Possibilitar que robôs manipulem objetos de forma mais facil é um dos grandes desafios da área de robótica hoje e poderia ser de grande importância industrial (veja “Shelf-Picking Robots Will Vie for Amazon Prize”).

Tellex diz que pesquisadores de robótica estão cada vez mais procurando maneiras mais eficientes de treinar robôs para realizar tarefas como manipular objetos. "Temos poderosos algoritmos agora, como aprendizagem profunda, que podem aprender com grandes conjuntos de dados, mas estes algoritmos precisam dos dados", diz ela. "A prática robótica é uma maneira de obter os dados que um robô precisa para aprender a manipular objetos com firmeza".

Tellex também observou que existem cerca de 300 robôs Baxter em vários laboratórios de pesquisa ao redor do mundo hoje. Se cada um desses robôs fosse usar os dois braços para examinar novos objetos, diz ela, seria possível para eles para aprender a pegar um milhão de objetos em 11 dias. "Fazendo os robôs compartilhar o que aprenderam, é possível aumentar a velocidade de coleta de dados em ordens de grandeza", diz ela.

Para pegar cada objeto, o robô dos pesquisadores da Brown o observam de vários ângulos usando uma das câmeras em seus braços e os sensores infravermelhos em seu corpo. Isso permite que ele identifique possíveis locais em que segurar. Os pesquisadores usaram uma técnica matemática para otimizar o processo de praticar diferentes pegadas. Com esta técnica, o robô Baxter da equipe pegou objetos com 75 por cento mais confiabilidade do que quando usando seu software normal. As informações obtidas para cada objeto (as imagens, os scans em 3D e a pegada correta) é codificado em um formato que pode ser compartilhado online.

Outros grupos estão desenvolvendo métodos para permitir que os robôs aprendam a executar várias tarefas, incluindo como pegar objetos. Uma das formas mais promissoras de conseguir isso é através da aprendizagem profunda usando as chamadas redes neurais, que são simulações livremente modeladas da forma como os nervos do cerebro processam informações e aprendem (veja “Robot Toddler Learns to Stand by ‘Imagining’ How to Do It”).

Embora os seres humanos adquiram a capacidade de pegar objetos através da aprendizagem, a criança não precisa gastar tanto tempo lidando com diferentes objetos e ele ou ela pode usar a experiência anterior para descobrir muito rapidamente como pegar um objeto novo. Tellex diz que o objetivo final de seu projeto é dar aos robôs habilidades similares. "O nosso objetivo de longo prazo é usar esses dados para generalizar a novos objetos", diz ela.

Para deixar seu comentário, por favor, regístrate ou efetue seu login

Esqueceu sua senha?

Publicidade

Vídeo

Inovadores com menos de 35 anos Brasil

Mais Vídeos

Informes Especiais

Uma Cura para os Gastos com Saúde

Os gastos com a saúde estão fora de controle. E a inovação em medicamentos, testes e tratamentos é o motivo. Mas e se a tecnologia pudesse ser uma forma de poupar dinheiro ao invés de gastá-lo?

Ganhando Com Dispositivos Móveis

Publicidade
Publicidade