O Controle de Robôs Está Se Tornando Natural com a Tecnologia de IA? O RT-2 do Google Promete Isso!

A mais recente inovação do Google em inteligência artificial, o Robotics Transformer 2 (RT-2), está abrindo novos caminhos no mundo da robótica. Aproveitando a tecnologia de IA de ponta semelhante aos sistemas que alimentam chatbots de IA como Bard e ChatGPT, o Google visa permitir que os robôs realizem tarefas de forma mais eficiente e eficaz. Vincent Vanhoucke, chefe de robótica do Google DeepMind, apresentou o RT-2 como um “modelo de visão-linguagem-ação (VLA) de primeira categoria” que permite aos usuários controlar robôs usando linguagem natural.

Este desenvolvimento revolucionário permite que os robôs interpretem dados textuais e de imagens da web e executem ações correspondentes. Com o RT-2, o Google está fazendo avanços na revolução da forma como os robôs compreendem o mundo ao seu redor, melhorando finalmente suas capacidades em vários campos, começando pela tarefa mundana, mas essencial, de descartar lixo.

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

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

Vincent Vanhoucke enfatizou a complexidade da compreensão dos robôs, 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 efetivamente essa lacuna, capacitando os robôs a compreender cenários do mundo real e responder a instruções dadas em linguagem natural. Ao combinar compreensão de linguagem e percepção visual, o RT-2 inaugura uma nova era de robótica com aplicações que abrangem manufatura, saúde, resposta a desastres e muito mais. Com as capacidades notáveis do RT-2, o potencial para colaboração humano-robô e avanços transformadores em várias indústrias é nada menos que assombroso.

Capacitando robôs a descartar lixo

Anteriormente, treinar robôs para realizar tarefas aparentemente simples, como jogar fora o lixo, envolvia um processo árduo e demorado. Os engenheiros tinham que ensinar o robô a identificar o lixo, pegá-lo adequadamente, localizar uma lixeira adequada e então depositar o lixo com cuidado. Essa coreografia intricada exigia treinamento extensivo e ajuste fino de numerosos parâmetros, tornando o processo lento e monótono.

Com o advento do RT-2 e sua capacidade de extrair de vastas reservas de dados de imagens online, o processo de treinamento para robôs foi transformado. O novo modelo de IA capacita os robôs a aprender rapidamente a identificar o lixo e executar autonomamente as etapas necessárias para pegá-lo e descartá-lo corretamente. Com uma pequena quantidade de dados de treinamento, o RT-2 permite notavelmente que os robôs transfiram conceitos embutidos em seus dados de treinamento de linguagem e visão, permitindo que realizem tarefas complexas para as quais nunca foram explicitamente treinados.

Em uma demonstração impressionante, um robô identificou e levantou sem esforço um dinossauro de brinquedo quando solicitado a pegar um animal extinto entre um grupo de brinquedos. Outro desafio viu o robô movendo habilmente um pequeno carro Volkswagen de brinquedo em direção a uma bandeira alemã. Esses exemplos da vida real ilustram como as capacidades de linguagem e visão do RT-2 impulsionam a robótica para novos patamares de versatilidade e capacidade de resposta.