Robôs sofisticados não precisam custar uma fortuna. Até os relativamente baratos podem realizar tarefas de manipulação complexas e aprender novas habilidades rapidamente usando IA, segundo um novo estudo.
Com apenas US$ 32.000, pesquisadores da Universidade de Stanford conseguiram construir um robô com rodas capaz de cozinhar uma refeição cantonesa de três pratos com supervisão humana. Em seguida, eles usaram a IA para treinar a máquina e fizeram com que realizasse tarefas individuais de forma autônoma, como cozinhar camarões, limpar manchas e chamar um elevador.
Outros robôs capazes de realizar tarefas tão complexas tendem a custar centenas de milhares de dólares, mas os pesquisadores mantiveram os custos do projeto baixos escolhendo peças de robôs prontos para uso e hardware impresso em 3D.
Os pesquisadores ensinaram ao robô, chamado de Mobile ALOHA (acrônimo de “sistema de teleoperação de hardware de código aberto de baixo custo para operação bimanual”), sete tarefas diferentes que exigem uma variedade de habilidades de mobilidade e destreza, como lavar uma panela ou dar um “high five” em alguém.
Para ensinar o robô a cozinhar camarão, por exemplo, os pesquisadores o operaram remotamente 20 vezes para colocar o camarão na frigideira, virá-lo e depois servi-lo. Eles fizeram isso de forma ligeiramente diferente a cada vez para que o robô aprendesse maneiras diferentes de realizar a mesma tarefa, explica Zipeng Fu, estudante de doutorado em Stanford, que foi colíder do projeto.
O robô foi, então, treinado nessas demonstrações, bem como em outras, operadas por humanos, para diferentes tipos de tarefas que não têm nada a ver com o cozimento de camarões, como rasgar uma toalha de papel ou fita adesiva coletada por um robô ALOHA anterior sem rodas, diz Chelsea Finn, professora assistente da Universidade de Stanford, que foi consultora do projeto. Essa abordagem de “cotreinamento”, na qual dados novos e antigos são combinados, ajudou o Mobile ALOHA a aprender novos trabalhos com relativa rapidez, em comparação com a abordagem usual de treinar sistemas de IA com milhares, se não milhões, de exemplos. Com base nesses dados antigos, o robô conseguiu aprender novas habilidades que não tinham nada a ver com a tarefa em questão, diz Finn.
Embora esses tipos de tarefas domésticas sejam fáceis para os seres humanos (pelo menos quando estamos com vontade de fazê-las), elas ainda são muito difíceis para os robôs. Eles têm dificuldade para segurar, agarrar e manipular objetos, pois não têm a precisão, a coordenação e a compreensão do ambiente ao redor que os humanos têm naturalmente. No entanto, os esforços recentes para aplicar técnicas de IA à robótica têm se mostrado muito promissores para desbloquear novos recursos. Por exemplo, o sistema RT-2 do Google combina um modelo de visão de linguagem com um robô, o que permite que os humanos deem comandos verbais a ele.
“Uma das coisas realmente empolgantes é que essa receita de aprendizado por imitação é muito genérica. É muito simples. É muito escalável”, diz Finn. A coleta de mais dados para os robôs tentarem imitar poderia permitir que eles realizassem ainda mais tarefas na cozinha, acrescenta ela.
“O Mobile ALOHA demonstrou algo único: um hardware de robô relativamente barato pode resolver problemas realmente complexos”, diz Lerrel Pinto, professor associado de ciência da computação da NYU, que não participou da pesquisa.
O Mobile ALOHA mostra que o hardware do robô já é muito capaz e ressalta que a Inteligência Artificial é a peça que faltava para tornar os robôs mais úteis, acrescenta Deepak Pathak, professor assistente da Universidade Carnegie Mellon, que também não fez parte da equipe de pesquisa.
Pinto diz que o modelo também mostra que os dados de treinamento em robótica podem ser transferíveis: o treinamento em uma tarefa pode melhorar seu desempenho em outras. “Essa é uma propriedade altamente desejável, pois quando os dados aumentam, mesmo que não sejam necessariamente para uma tarefa que lhe interessa, eles podem melhorar o desempenho do seu robô”, diz ele.
Em seguida, a equipe de Stanford treinará o robô com mais dados para realizar tarefas ainda mais difíceis, como pegar e dobrar roupas amassadas, diz Tony Z. Zhao, estudante de doutorado em Stanford que fez parte da equipe. Tradicionalmente, lavar roupa tem sido muito difícil para os robôs, porque os objetos estão amontoados em formas que eles têm dificuldade de entender. Mas Zhao diz que sua técnica ajudará as máquinas a realizarem tarefas que antes as pessoas consideravam impossíveis.
MIT Technology Review
