É bastante fácil para as pessoas aprenderem com outras pessoas – fazemos isso há cerca de 300 mil anos – porque podemos observar, copiar e modificar o que estão fazendo. É menos fácil aprendermos dessa forma com outros animais, porque quanto menos a nossa cognição e o nosso corpo forem parecidos, mais difícil será copiar e modificar o que eles fazem. Aprendizado sobre plantas, fungos, protozoários e bactérias é bastante fácil, mas aprender de eles? Esqueça.
Então, e os robôs? Claro, podemos programá-los para faça o que os humanos fazem (e em velocidades muito mais rápidas) e podem aprenda observando humanos no trabalhomas será que podemos “ensinar” as mesmas habilidades físicas a robôs com estruturas, sistemas operacionais e códigos diferentes?
Pesquisadores do Laboratório de Algoritmos e Sistemas de Aprendizagem (LASA) da Escola de Engenharia do Instituto Federal de Tecnologia de Lausanne (EPFL) da Suíça criaram uma nova maneira de ajudar os robôs a emular a atividade humana, de modo que robôs altamente variados não precisem de humanos para personalizar o código para se adequar a cada tipo robótico. Para os investigadores e a indústria, um sistema deste tipo oferece enormes poupanças de custos e de tempo.
Em seu Robótica Científica artigo, Sthithpragya Gupta e Aude Billard discutem como inteligência cinemática – uma nova abordagem para aprendendo com a demonstração (LfD) – permite que robôs que podem ter formatos tão diferentes uns dos outros quanto o R2D2 e uma máquina de lavar louça adquiram novas habilidades ao observar a mesma demonstração feita por um professor humano.
2026 LASA EPFL CC POR SA
Embora os roboticistas já tenham utilizado o LfD para robôs do mesmo modelo, a inteligência cinemática “varre” a atividade – convertendo matematicamente a ação observada numa estratégia adaptável aos limites individuais de articulação e movimento de cada robô e outras restrições e vantagens corporais. Depois de aprenderem com algumas ou mesmo apenas uma demonstração, os robôs “estudantes” – independentemente do seu tipo de corpo – utilizam o “sistema dinâmico globalmente estável” para terem sucesso nas suas novas tarefas.
“Cada robô executou diferentes etapas da tarefa”, diz o co-autor Sthithpragya Gupta, “e o sistema funcionou com sucesso mesmo quando a alocação de etapas foi alterada. Cada robô interpreta a mesma habilidade à sua maneira, mas sempre dentro de limites seguros e viáveis.”
Como observa Aude Billard, chefe da LASA: “Este trabalho aborda um desafio de longa knowledge na robótica: como transferir uma habilidade aprendida entre robôs com diferentes estruturas mecânicas, garantindo ao mesmo tempo um comportamento seguro e previsível”. A inteligência cinemática poderia “reduzir significativamente o tempo e a experiência necessários para implantar robôs em ambientes do mundo actual”.
A inteligência cinemática começou com os pesquisadores da EPFL capturando movimentos humanos, empurrando, jogando e manipulando objetos.
Em seguida, eles criaram um sistema para classificar diversas restrições físicas robóticas, como limites de equilíbrio e amplitude de movimento articular, e combinaram essas informações com os dados de captura de movimento para desenvolver seu aprendizado robótico observacional e adaptativo. Durante os experimentos, depois de observar humanos, três robôs comerciais completamente diferentes conseguiram empurrar blocos de madeira de uma esteira transportadora para uma estação de trabalho, movê-los para mesas e jogá-los em recipientes com segurança e confiabilidade.
Se o trabalho prosseguir como os investigadores esperam, os resultados permitirão que os humanos simplesmente descrevam novas ações para os robôs realizarem – sem observação robótica e certamente sem nova codificação. “Nosso objetivo”, diz o coautor Durgesh Haribhau Salunkhe, “é eliminar a necessidade de conhecimento técnico e, ao mesmo tempo, garantir uma operação segura e confiável. O usuário traz a ideia e o comportamento desejado, e o robô deve cuidar do resto.”
Fonte: EPFL