Robô 4x4

À primeira vista, este pequeno robô não parece ter nada que o destaque dos inúmeros outros que andam e carregam pesos por aí, já em aplicações práticas.

Mas Ananye Agarwal e seus colegas da Universidade Carnegie Mellon, nos EUA, aprenderam como dar a um robô novinho em folha a capacidade para andar em qualquer terreno - é tirá-lo da caixa e ele saberá como se virar.

Isso inclui subir e descer escadas quase da altura do próprio robô, atravessar terrenos rochosos, escorregadios, irregulares, íngremes e mistos, passar sobre buracos fundos, escalar rochas escorregadias, e ainda ser capaz de fazer tudo isto no escuro.

A maioria dos sistemas robóticos usa câmeras para criar um mapa do ambiente circundante e então se baseia nesse mapa para planejar os movimentos antes de executá-los. O processo é lento e muitas vezes pode falhar devido a imprecisões na varredura do ambiente ou na interpretação dos obstáculos, o que afeta os movimentos subsequentes - o mapeamento e o planejamento são úteis para um robô espacial, por exemplo, mas nem sempre são adequados para os requisitos dinâmicos de um robô que só precisa caminhar ou correr em terrenos desconhecidos.

Para isso, Agarwal se voltou para as simulações computadorizadas.

Ele treinou 4.000 clones do robô em um simulador, submetendo cada um a caminhadas e escaladas em terrenos desafiadores. A velocidade do simulador permitiu ao robô ganhar seis anos de experiência em um único dia. O simulador também armazenou as habilidades motoras aprendidas durante o treinamento em uma rede neural que os pesquisadores copiaram para o software de controle do robô.

Todos os terrenos já conhecidos

O aprendizado prévio elimina as etapas de mapeamento do ambiente e planejamento do movimento, e direciona diretamente as entradas da visão de máquina para o controle dos motores que acionam as pernas do robô. O que o robô vê determina como ele se move porque ele já sabe como se comportar em cada situação - não é necessário nem mesmo detalhar como as pernas devem se mover, o que permite que o robô reaja rapidamente ao terreno que se aproxima e se mova através dele de forma eficaz e rápida.

Essa abordagem direta da visão-controle é biologicamente inspirada, já que humanos e animais usam a visão para se mover - tente correr ou se equilibrar com os olhos fechados, por exemplo. Pesquisas anteriores da mesma equipe mostraram que robôs cegos - robôs sem câmeras - podem vencer terrenos desafiadores, mas adicionar visão e confiar nessa visão melhora muito o sistema.

Com essa simplificação, o próprio robô pode ser fabricado a um custo muito baixo. O protótipo construído pela equipe ficou pelo menos 25 vezes mais barato do que as alternativas disponíveis. A equipe está apostando nisso, partindo agora para encontrar aplicações práticas que os robôs possam desempenhar em ambiente doméstico.

Bibliografia:

Artigo: Legged Locomotion in Challenging Terrains using Egocentric Vision
Autores: Ananye Agarwal, Ashish Kumar, Jitendra Malik, Deepak Pathak
Revista: Proceedings of the Conference on Robot Learning 2022
Link: https://arxiv.org/abs/2211.07638

Fonte: Redação TN com Inovação Tecnológica

Imagem: Carnegie Mellon University