Novo Método Permite que Humanos Ajudem Robôs a “Ver” Seus Ambientes

Uma equipe de engenheiros da Universidade de Rice desenvolveu um novo método que permite que humanos ajudem robôs a “ver” seus ambientes e completem várias tarefas.

A nova estratégia é chamada de Aprendizado Bayesiano no Escuro (BLIND), que é uma solução inovadora para o problema de planejamento de movimento para robôs que operam em ambientes com pontos cegos.

O estudo foi liderado por cientistas da computação Lydi Kavraki e Vaibhav Unhelkar e co-liderado por Carlos Quintero-Peña e Constantinos Chamzas da Escola de Engenharia George R. Brown da Universidade de Rice. Ele foi apresentado na Conferência Internacional de Robótica e Automação do Instituto de Engenheiros Elétricos e Eletrônicos.

Humano no Loop

De acordo com o estudo, o algoritmo mantém um humano no loop para “aumentar a percepção do robô e, importante, prevenir a execução de movimentos inseguros”.

A equipe combinou aprendizado de reforço inverso bayesiano com técnicas de planejamento de movimento estabelecidas para ajudar robôs com muitas partes móveis.

Para testar o BLIND, um robô com um braço articulado com sete juntas foi incumbido de pegar um cilindro pequeno de uma mesa antes de movê-lo para outra. No entanto, o robô teve que primeiro passar por uma barreira.

“Se você tiver mais juntas, as instruções para o robô são complicadas”, disse Quintero-Peña. “Se você estiver dirigindo um humano, você pode simplesmente dizer: ‘Levante a mão’.”

No entanto, um robô requer programas que sejam específicos sobre o movimento de cada junta em cada ponto de sua trajetória, e isso se torna ainda mais importante quando há obstáculos bloqueando sua “visão”.

Aprendendo a “Ver” em Torno de Obstáculos

O BLIND não programa uma trajetória antecipadamente. Em vez disso, ele insere um humano no meio do processo para refinar as opções coreografadas sugeridas pelo algoritmo do robô.

“O BLIND nos permite pegar informações na cabeça do humano e computar nossas trajetórias neste espaço de alta liberdade”, disse Quintero-Peña. “Nós usamos um método específico de feedback chamado crítica, basicamente uma forma binária de feedback onde o humano é dado rótulos em pedaços da trajetória”.

Os rótulos aparecem como pontos verdes conectados, representando caminhos possíveis. À medida que o BLIND vai de ponto a ponto, o humano aprova ou rejeita cada movimento, refinando o caminho e evitando obstáculos.

“É uma interface fácil para as pessoas usarem, porque podemos dizer: ‘Eu gosto disso’ ou ‘Eu não gosto daquilo’, e o robô usa essas informações para planejar”, disse Chamzas. O robô pode executar sua tarefa após ser recompensado por seus movimentos.

“Uma das coisas mais importantes aqui é que as preferências humanas são difíceis de descrever com uma fórmula matemática”, disse Quintero-Peña. “Nosso trabalho simplifica as relações humano-robô incorporando preferências humanas. É assim que acho que as aplicações obterão o maior benefício deste trabalho”.

Kavraki trabalhou com programação avançada para o robô humanoid Robonaut da NASA a bordo da Estação Espacial Internacional.

“Este trabalho exemplifica maravilhosamente como uma pequena, mas direcionada, intervenção humana pode aumentar significativamente as capacidades dos robôs para executar tarefas complexas em ambientes onde algumas partes são completamente desconhecidas para o robô, mas conhecidas para o humano”, disse Kavraki.

“Isso mostra como os métodos para interação humano-robô, o tópico de pesquisa do meu colega Professor Unhelkar, e o planejamento automatizado pioneiro por anos em meu laboratório podem se combinar para fornecer soluções confiáveis que também respeitam as preferências humanas”.