Robô de baixo custo navega em quase todos os obstáculos

Uma equipe de pesquisadores projetou um sistema robótico que permite que um robô de pernas pequenas e de baixo custo navegue em praticamente qualquer obstáculo ou terreno. O robô pode subir e descer escadas quase de sua altura ou navegar em terrenos rochosos, escorregadios, irregulares, íngremes e variados. Ele também pode atravessar lacunas, escalar rochas e operar no escuro. 

A projeto para desenvolver o sistema foi realizado por pesquisadores da Escola de Ciência da Computação da Universidade Carnegie Mellon e da Universidade da Califórnia, em Berkeley. 

Capacitando pequenos robôs com novas habilidades

Deepak Pathak é professor assistente no Instituto de Robótica. 

“Capacitar pequenos robôs para subir escadas e lidar com uma variedade de ambientes é crucial para o desenvolvimento de robôs que serão úteis nas casas das pessoas, bem como em operações de busca e resgate”, disse Pathak. “Este sistema cria um robô robusto e adaptável que pode realizar muitas tarefas diárias.” 

O robô foi testado em escadas irregulares e encostas em parques públicos, que testaram sua capacidade de caminhar sobre pedras e superfícies escorregadias. Também foi encarregado de subir escadas que seriam o equivalente a um salto humano sobre um obstáculo. O robô atinge uma capacidade impressionante de se adaptar e dominar rapidamente o terreno usando sua visão e um pequeno computador de bordo. 

O robô foi treinado com 4,000 clones em um simulador. Esses clones praticavam caminhadas e escaladas em terrenos complexos, e a velocidade do simulador permitiu ao robô atingir seis anos de experiência em apenas um dia.

As habilidades motoras aprendidas durante o treinamento foram armazenadas pelo simulador em uma rede neural, que os pesquisadores copiaram para o robô real. Essa abordagem inovadora não significava nenhuma engenharia manual dos movimentos do robô. 

Muitos dos sistemas robóticos de hoje dependem de câmeras que criam um mapa do ambiente circundante, que é usado para planejar os movimentos do robô antes de serem executados. No entanto, esse processo pode ser lento e sujeito a erros devido a imprecisões ou percepções errôneas na etapa de mapeamento. Essas imprecisões podem impactar o planejamento e os movimentos. 

Embora o mapeamento e o planejamento sejam úteis para sistemas focados no controle de alto nível, eles nem sempre são os melhores para os requisitos dinâmicos de habilidades de baixo nível, como caminhar ou correr. 

Manobras Eficientes e Rápidas 

O sistema robótico recém-desenvolvido pula as fases de mapeamento e planejamento e direciona diretamente as entradas de visão para o controle do robô. Isso basicamente significa que o robô vê e se move de acordo. A técnica inovadora permite que o robô reaja ao seu terreno complexo de forma muito rápida e eficaz. 

Os movimentos do robô são treinados por meio de aprendizado de máquina, tornando o robô de baixo custo. O robô testado era pelo menos 25 vezes mais barato que as alternativas existentes no mercado. Segundo a equipe, seu algoritmo poderia tornar os robôs de baixo custo muito mais acessíveis. 

Ananye Agarwal é uma SCS Ph.D. aluno em aprendizado de máquina. 

“Este sistema usa visão e feedback do corpo diretamente como entrada para enviar comandos para os motores do robô”, disse Agarwal. “Essa técnica permite que o sistema seja muito robusto no mundo real. Se escorregar na escada, pode se recuperar. Ele pode entrar em ambientes desconhecidos e se adaptar.” 

O sistema robótico foi fortemente inspirado na natureza. Para um robô com menos de trinta centímetros de altura, ele aprendeu a adotar os movimentos que os humanos usam para passar por cima de obstáculos altos para escalar escadas ou obstáculos de sua altura. O sistema usa a abdução do quadril para superar obstáculos que são difíceis até mesmo para os sistemas robóticos de pernas mais avançados disponíveis. 

A equipe também buscou inspiração em animais de quatro patas.

“Animais de quatro patas têm uma memória que permite que suas patas traseiras rastreiem as patas dianteiras. Nosso sistema funciona de maneira semelhante”, disse Pathak. 

A memória interna permite que as pernas traseiras lembrem o que a câmera viu, ajudando-a a manobrar os obstáculos. 

Ashish Kumar é Ph.D. estudante em Berkeley. 

“Como não há mapa, nem planejamento, nosso sistema lembra o terreno e como ele moveu a perna dianteira e traduz isso para a perna traseira, fazendo isso de forma rápida e sem falhas”, diz Kumar. 

A nova pesquisa pode desempenhar um grande papel na solução de alguns dos principais desafios em torno dos robôs com pernas. Pode até ajudar a levar ao seu uso em residências.