O controle de robôs está se tornando natural com a tecnologia de IA? O RT-2 do Google promete que sim!

A mais recente inovação do Google em inteligência artificial, o Robotics Transformer 2 (RT-2), está abrindo novos caminhos no mundo da robótica. Utilizando tecnologia de IA de ponta semelhante aos sistemas que alimentam chatbots de IA como Bard e ChatGPT, o Google pretende permitir que robôs executem tarefas com mais eficiência e eficácia. Vincent Vanhoucke, chefe de robótica do Google DeepMind, apresentou o RT-2 como um "modelo de visão-linguagem-ação (VLA) inédito" que permite aos usuários controlar robôs usando linguagem natural.

Este desenvolvimento inovador permite que robôs interpretem dados textuais e de imagem da web e executem ações correspondentes. Com o RT-2, o Google está avançando na revolução da forma como os robôs compreendem o mundo ao seu redor, aprimorando suas capacidades em diversas áreas, a começar pela tarefa rotineira, porém essencial, de descartar o lixo.

Tecnologia de IA para controle robótico convencional do RT-2 do Google

O RT-2 do Google, o visionário modelo de visão-linguagem-ação (VLA), impulsionou o campo da robótica a passos largos. Utilizando tecnologia semelhante à dos chatbots de IA Bard e ChatGPT, o RT-2 transcende os limites do controle robótico convencional. Ao contrário dos chatbots, que processam dados textuais para interações humanas, os robôs enfrentam o desafio mais complexo de compreender o ambiente físico ao seu redor. Essa distinção representa um obstáculo singular, pois os robôs precisam diferenciar objetos, interpretar o contexto e executar ações precisas com base em suas percepções.

Vincent Vanhoucke enfatizou a complexidade da compreensão robótica, apontando que reconhecer um objeto simples como uma maçã é muito mais fácil do que distinguir entre uma maçã vermelha deliciosa e uma bola vermelha antes de pegar com precisão o item desejado. O RT-2 do Google preenche essa lacuna de forma eficaz, capacitando robôs a compreender cenários do mundo real e a responder a instruções dadas em linguagem natural. Ao combinar compreensão da linguagem e percepção visual, o RT-2 inaugura uma nova era da robótica com aplicações que abrangem manufatura, saúde, resposta a desastres e muito mais. Com as notáveis ​​capacidades do RT-2, o potencial para a colaboração entre humanos e robôs e os avanços transformadores em diversos setores é simplesmente impressionante.

Capacitando robôs para descartar lixo

Anteriormente, treinar robôs para realizar até mesmo tarefas aparentemente simples, como jogar lixo fora, envolvia um processo árduo e demorado. Os engenheiros precisavam ensinar o robô adento lixo, pegá-lo corretamente, localizar uma lixeira adequada e, em seguida, depositar os resíduos com cuidado. Essa coreografia complexa exigia treinamento extensivo e ajustes precisos de inúmeros parâmetros, tornando o processo lento e monótono.

Com o advento do RT-2 e sua capacidade de utilizar vastos conjuntos de dados de imagens online, o processo de treinamento de robôs foi transformado. O novo modelo de IA permite que os robôs aprendam rapidamente adentlixo e executem autonomamente as etapas necessárias para coletá-lo e descartá-lo corretamente. Com uma pequena quantidade de dados de treinamento, o RT-2 permite que os robôs transfiram conceitos incorporados em seus dados de treinamento de linguagem e visão, possibilitando a execução de tarefas complexas para as quais nunca foram explicitamente treinados.

Em uma demonstração impressionante, um robô sem esforçodentum dinossauro de brinquedo quando solicitado a pegar um animal extinto em meio a um grupo de brinquedos. Em outro desafio, o robô moveu com destreza um pequeno carrinho de brinquedo da Volkswagen em direção a uma bandeira alemã. Esses exemplos da vida real ilustram como os recursos de linguagem e visão do RT-2 impulsionam a robótica a novos patamares de versatilidade e capacidade de resposta.