Facebook Cria Método que Pode Permitir que Robôs de IA Naveguem sem Mapa

O Facebook criou recentemente um algoritmo que melhora a capacidade de um agente de IA de navegar em um ambiente, permitindo que o agente determine a rota mais curta em novos ambientes sem acesso a um mapa. Enquanto os robôs móveis normalmente têm um mapa programado, o novo algoritmo projetado pelo Facebook pode permitir a criação de robôs que possam navegar em ambientes sem a necessidade de mapas.

De acordo com um post criado por pesquisadores do Facebook, um grande desafio para a navegação de robôs é dotar os sistemas de IA com a capacidade de navegar em ambientes novos e alcançar destinos programados sem um mapa. Para enfrentar esse desafio, o Facebook criou um algoritmo de aprendizado por reforço distribuído em vários aprendizes. O algoritmo foi chamado de otimização de política proximal descentralizada distribuída (DD-PPO). O DD-PPO foi dado apenas dados de bússola, dados de GPS e acesso a uma câmera RGB-D, mas foi capaz de navegar em um ambiente virtual e alcançar um objetivo sem nenhum dado de mapa.

De acordo com os pesquisadores, os agentes foram treinados em ambientes virtuais, como prédios de escritórios e casas. O algoritmo resultante foi capaz de navegar em um ambiente indoor simulado, escolher o caminho correto em uma bifurcação e se recuperar rapidamente de erros se escolhesse o caminho errado. Os resultados do ambiente virtual foram promissores, e é importante que os agentes sejam capazes de navegar esses ambientes comuns de forma confiável, pois, no mundo real, um agente pode danificar a si mesmo ou ao seu entorno se falhar.

A equipe de pesquisa do Facebook explicou que o foco do seu projeto foi em robôs assistivos, pois a navegação adequada e confiável para robôs assistivos e agentes de IA é essencial. A equipe de pesquisa também argumentou que os criadores de IA devem se afastar do uso de mapas em geral, pois os mapas estão frequentemente desatualizados assim que são criados, e, no mundo real, os ambientes estão constantemente mudando e evoluindo.

Como o TechExplore relatou, a equipe de pesquisa do Facebook utilizou a plataforma de IA Habitat de código aberto, que lhes permitiu treinar agentes incorporados em ambientes 3-D fotorealistas de forma rápida. O Haven forneceu acesso a um conjunto de ambientes simulados, e esses ambientes são realistas o suficiente para que os dados gerados pelo modelo de IA possam ser aplicados a casos do mundo real. Douglas Heaven na MIT Technology Review explicou a intensidade do treinamento do modelo:

“O Facebook treinou robôs por três dias dentro do AI Habitat, uma réplica virtual fotorealista do interior de um prédio, com quartos e corredores e móveis. Nesse tempo, eles deram 2,5 bilhões de passos – o equivalente a 80 anos de experiência humana.”

Devido à complexidade do treinamento, os pesquisadores relataram que eliminaram os aprendizes fracos à medida que o treinamento continuava para acelerar o tempo de treinamento. A equipe de pesquisa espera levar o modelo atual mais longe e criar algoritmos que possam navegar em ambientes complexos usando apenas dados de câmera, eliminando os dados de GPS e bússola. O motivo disso é que os dados de GPS e bússola podem ser frequentemente afetados em ambientes internos, ser muito barulhentos ou simplesmente estarem indisponíveis.

Embora a tecnologia ainda não tenha sido testada ao ar livre e tenha dificuldade em navegar sobre longas distâncias, o desenvolvimento do algoritmo é um passo importante no desenvolvimento da próxima geração de robôs, especialmente drones de entrega e robôs que operam em escritórios ou casas.