O Facebook criou um modelo de inteligência artificial (IA) para fazer robôs se adaptarem a diferentes superfícies, incluindo as que eles nunca pisaram antes.
A ideia é fazer as máquinas se adequarem a superfícies com areia, lama, rochas e óleo, por exemplo. Além disso, os dispositivos devem ser capazes de transportar pequenas cargas.
Para isso, a empresa criou um modelo batizado de Automação Rápida de Motor (RMA, na sigla em inglês). Ele foi criado para ajudar os robôs a realizarem ajustes no trajeto em uma fração de segundo.
O modelo foi criado por pesquisadores de inteligência artificial do Facebook, da Universidade da Califórnia em Berkeley e da Escola de Ciência da Computação da Universidade Carnegie Mellon.
“Até agora, os robôs com pernas foram totalmente codificados à mão para os ambientes que habitarão ou ensinados a navegar em seus ambientes por meio de uma combinação de programação manual e técnicas de aprendizagem”, afirmaram.
“O RMA é o primeiro sistema totalmente baseado em aprendizagem que permite que um robô com pernas se adapte ao seu ambiente a partir do zero, explorando e interagindo com o mundo”.
Segundo eles, o método de aprendizagem tem o potencial de funcionar com um hardware mais barato e impreciso, o que tornaria as máquinas mais acessíveis.
Os pesquisadores indicam ainda que o modelo pode fazer os robôs serem usados, por exemplo, no apoio em operações de busca e resgate, particularmente em áreas muito perigosas ou pouco acessíveis para seres humanos.
Nos testes, o robô com o modelo de inteligência artificial conseguiu concluir trajetos de areia, lama, trilhas, grama alta e terra em todas as tentativas.
Porém, ele teve mais dificuldade para descer degraus, onde completou o percurso em 70% dos casos, e para passar por áreas com cimento e rochas, onde concluiu 80% das tentativas. O dispositivo também concluiu trajetos em que levava uma carga de 12 quilos, equivalente ao seu peso.
De acordo com o Facebook, o RMA depende de dois elementos para ajudar os robôs a se adaptarem às diferentes situações.
Um deles é o que foi chamado de “política base”, que é aprendida em uma etapa de simulação por meio da técnica de aprendizagem de reforço.
Em outras palavras, os pesquisadores selecionam dados sobre cenários variados, como o atrito que o robô vai enfrentar com o solo e o tipo de carga que ele precisará carregar.
Na simulação, também são estabelecidas outras variáveis externas, como a inclinação do terreno. A ideia é fazer o robô aprender controles que ele deve ter em cada situação.
Mas, como não é possível saber todas as variáveis do mundo real, o robô é treinado para coletar dados sobre seus movimentos anteriores.
Isso inclui obstruções nas pernas do dispositivo, que dá indícios de que elas tocaram o solo. A partir desse registro, ele consegue saber a altura do local em que está pisando, por exemplo.
Ainda durante a simulação, quando o robô identifica todas as variáveis, entra em ação o segundo elemento. A máquina conta com o que é chamado de módulo de adaptação para antecipar os fatores externos a partir de registros recentes.
É o trabalho em conjunto da “política base” e do módulo de adaptação que permitem ao robô continuar seu trajeto mesmo em superfícies irregulares.
Os pesquisadores afirmam que o modelo ideal para testes é a simulação, onde os robôs não podem ser danificados. No entanto, eles admitem que o mundo real apresenta características que não são facilmente testadas.
“Como sua habilidade é baseada inteiramente no que encontra, um robô habilitado para RMA pode se ajustar a situações que os programadores nunca consideraram”, disseram.
