Avanço do MIT permite que robôs usem o corpo inteiro para manipulação de objetos

Pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) melhoraram significativamente as capacidades de manipulação robótica. Usando uma nova técnica de IA chamada “suavização” (smoothing), os robôs agora podem realizar tarefas usando todo o corpo, em vez de apenas as pontas dos dedos. Essa inovação pode potencialmente revolucionar a forma como os robôs são usados em fábricas, exploração espacial e outros campos.

O desafio do planejamento de manipulação rica em contatos

Manipular objetos com o corpo inteiro apresenta um desafio monumental para os robôs. Eles devem levar em conta bilhões de pontos de contato potenciais em um objeto para cada toque com seus dedos, mãos, braços e tronco. Esse processo, conhecido como “planejamento de manipulação rica em contatos”, é computacionalmente caro e tem sido um gargalo para aplicações práticas. Os humanos gerenciam essas tarefas intuitivamente, mas elas se tornam esmagadoramente complexas para os robôs.

A solução

Para simplificar o problema, os pesquisadores do MIT desenvolveram uma nova técnica de IA baseada na “suavização”, que condensa os numerosos eventos de contato em um conjunto menor e mais gerenciável de decisões. Essa inovação permite que até mesmo algoritmos básicos elaborem um plano de manipulação eficaz para um robô de forma eficiente. 

“A suavização elimina a média de muitas dessas decisões intermediárias sem importância, deixando algumas poucas importantes”, disse H.J. Terry Suh, estudante de pós-graduação do MIT e coautor principal do artigo publicado na IEEE Transactions on Robotics.

Aprendizado por reforço vs. suavização

Embora o aprendizado por reforço tenha sido eficaz em ajudar os robôs a realizar tarefas complexas, ele requer imensa potência computacional e tempo. De acordo com Suh, ele aprende por meio de um sistema de “caixa preta” de tentativa e erro, muitas vezes levando “milhões de anos em tempo de simulação” para se tornar eficaz. 

A suavização, no entanto, oferece uma alternativa. Ao compreender cuidadosamente o modelo e o problema, os pesquisadores conseguiram trazer eficiência ao processo. A suavização permite que o robô se concentre nas interações centrais com os objetos, permitindo um planejamento de tarefas mais rápido e eficaz.

Alcançando eficiência e abordagem combinada

Apesar dos avanços através da suavização, pesquisar mesmo o número reduzido de decisões permaneceu um desafio. Os pesquisadores então combinaram o modelo de suavização com um algoritmo de busca, reduzindo o tempo de computação para cerca de um minuto em um laptop padrão.

A equipe testou sua abordagem tanto em simulações quanto em braços robóticos reais, alcançando desempenho comparável ao do aprendizado por reforço, mas em uma fração do tempo.

Aplicações e perspectivas

As implicações desta pesquisa são imensas. Em ambientes industriais, as fábricas poderiam substituir grandes braços robóticos por robôs menores e mais móveis que usam todo o corpo para tarefas de manipulação, reduzindo assim o consumo de energia e os custos. 

Além disso, a técnica pode ser inestimável para robôs de exploração enviados a Marte ou outros corpos celestes, onde a rápida adaptação a novos ambientes é crucial.

No entanto, os pesquisadores reconhecem limitações no manejo de tarefas dinâmicas, como a capacidade de um robô jogar um objeto em uma lixeira. A equipe planeja refinar ainda mais sua abordagem para enfrentar esses desafios.

Suh enfatizou que, em vez de pensar nisso como um sistema de “caixa preta”, se pudermos aproveitar a estrutura desse tipo de sistema robótico usando modelos, há uma oportunidade de acelerar todo o procedimento. 

A Amazon, o Laboratório Lincoln do MIT, a National Science Foundation e o Ocado Group financiaram parcialmente o trabalho. À medida que as técnicas de manipulação robótica do MIT continuam a evoluir, elas abrem novas possibilidades para a robótica em vários setores, provando que uma compreensão profunda do problema pode levar a soluções inovadoras.

Com avanços como esses, robôs que manipulam objetos de forma tão intuitiva quanto os humanos podem não estar longe da realidade.