Robôs de Corpo Macio Mais Eficientes Com Nova Rede Neural de Aprendizado Profundo

Os robôs de corpo macio são uma ferramenta extremamente importante no campo mais amplo da robótica, pois os robôs tradicionais e rígidos não conseguem realizar os mesmos tipos de tarefas. O primeiro interage com os humanos de forma mais segura e pode realizar tarefas como se encaixar em espaços apertados.

Um dos principais desafios envolvidos com os robôs de corpo macio é que eles devem saber onde estão todas as suas partes do corpo para realizar tarefas programadas, e isso se torna mais difícil à medida que os robôs de corpo macio podem se deformar de quase infinitas maneiras.

Agora, pesquisadores do MIT desenvolveram um novo algoritmo de aprendizado profundo que ajuda os engenheiros a projetar robôs de corpo macio de uma maneira que permite que eles colem mais dados sobre o seu entorno. O algoritmo funciona sugerindo uma colocação otimizada de sensores dentro do corpo do robô. Isso permite que ele realize tarefas atribuídas enquanto interage com o ambiente.

Alexander Amini é coautor principal da pesquisa, junto com Andrew Spielberg, ambos estudantes de doutorado no Laboratório de Ciência e Inteligência Artificial do MIT. A pesquisa foi publicada em IEEE Letters on Robotics and Automation com outros coautores, incluindo Lillian Chin, estudante de doutorado, e Wojciech Matusik e Daniela Rus, professores da universidade.

“O sistema não apenas aprende uma tarefa dada, mas também como projetar o robô para resolver essa tarefa”, diz Amini. “A colocação de sensores é um problema muito difícil de resolver. Ter a solução é extremamente emocionante.”

https://www.youtube.com/watch?v=MSa7D0FvxqY

Robôs Rígidos vs. Robôs de Corpo Macio

Uma das principais vantagens dos robôs rígidos é que eles têm um alcance de movimento limitado, e embora isso pareça uma desvantagem, significa que o número finito de juntas e membros leva a cálculos mais gerenciáveis.

Esses cálculos são mais fáceis de trabalhar quando se trata de algoritmos que controlam mapeamento e planejamento de movimento. Os robôs de corpo macio não podem fazer o mesmo, pois são flexíveis.

“O principal problema com os robôs de corpo macio é que eles são infinitamente dimensionais”, diz Spielberg. “Qualquer ponto em um robô de corpo macio pode, em teoria, se deformar de qualquer maneira possível.”

No passado, os pesquisadores usaram uma câmera externa para registrar a posição do robô, que é então alimentada de volta ao programa de controle do robô. A nova equipe procurou uma maneira de criar um robô de corpo macio sem ajuda externa.

“Você não pode colocar um número infinito de sensores no próprio robô”, continua Spielberg. “Então, a pergunta é: Quantos sensores você tem, e onde você coloca esses sensores para obter o máximo de benefício?”

Os pesquisadores desenvolveram uma nova arquitetura de rede neural que pode otimizar a colocação de sensores e aprender a realizar tarefas de forma eficiente. Eles dividiram o corpo do robô em diferentes regiões chamadas “partículas”.

A rede neural usou a taxa de deformação de cada partícula como entrada, e por meio de tentativas e erros, a rede pode aprender a sequência mais eficiente de movimentos para uma tarefa dada. A rede também acompanha quais partículas são usadas mais do que as outras, para que as entradas da rede possam ser ajustadas.

Superando os Humanos na Colocação de Sensores

A rede sugere a colocação dos sensores no robô otimizando as partículas mais importantes. Em testes, o algoritmo superou os humanos quando se tratou de localizar os lugares mais eficientes para colocar os sensores.

O algoritmo foi então testado contra uma série de previsões de especialistas.

“Nosso modelo superou vastamente os humanos para cada tarefa, mesmo que eu tenha olhado para alguns dos corpos do robô e me sentido muito confiante sobre onde os sensores deveriam ir”, diz Amini. “Parece que há muitas mais sutilezas nesse problema do que inicialmente esperávamos.”

De acordo com Spielberg, o novo desenvolvimento pode ajudar a automatizar o processo de design do robô e ajudar a criar novos algoritmos para controlar os movimentos do robô.

“…também precisamos pensar sobre como vamos sensorizar esses robôs e como isso vai interagir com outros componentes do sistema”, diz ele. “Isso é algo que você precisa de um sentido de toque muito robusto e bem otimizado. Então, há potencial para impacto imediato.”

“Automatizar o design de robôs de corpo macio sensorizados é um passo importante para criar ferramentas inteligentes que ajudem as pessoas com tarefas físicas”, diz Rus. “Os sensores são um aspecto importante do processo, pois permitem que o robô de corpo macio ‘veja’ e entenda o mundo e sua relação com o mundo.”