MIT CSAIL desenvolve sistema de visão para robôs compreenderem corpos
São Paulo — InkDesign News — Um avanço significativo em robótica, liderado por pesquisadores do MIT CSAIL, introduz um sistema inovador que permite aos robôs aprender a operar sem a necessidade de extensa programação, além de replicar comportamentos com base em observação e experiência.
Tecnologia aplicada
O sistema Neural Jacobian Fields (NJF) combina redes neurais avançadas para capturar dois aspectos interligados da embodiment de um robô: sua geometria tridimensional e a sensibilidade a comandos de controle. O NJF expande os campos de radiância neural (NeRF), uma técnica que reconstrói cenas em 3D a partir de imagens, aprendendo não apenas a forma do robô, mas também um campo jacobiano que antecipa como qualquer ponto se move em resposta aos comandos motores. Essa abordagem proporciona uma nova metodologia que dispensa sensores on-board, permitindo um design mais flexível e inovador.
Desenvolvimento e testes
Os pesquisadores testaram o sistema NJF em diversas configurações robóticas, incluindo uma mão robótica pneumática e um braço robótico impresso em 3D. Durante os testes, o robô realizou movimentos aleatórios enquanto câmeras registravam suas respostas. O sistema aprendeu a relação entre os sinais de controle e os movimentos observados, sem a necessidade de supervisão humana. Essa metodologia demonstrou robustez em diferentes cenários, com o sistema atingindo uma taxa de atualização em tempo real de aproximadamente 12 Hertz. Como afirmou Sizhe Lester Li, pesquisador principal do estudo:
“Hoje, muitas tarefas de robótica exigem extensa engenharia e programação. No futuro, vislumbramos mostrar a um robô o que fazer e deixá-lo aprender a atingir o objetivo autonomamente.
(“Today, many robotics tasks require extensive engineering and coding. In the future, we envision showing a robot what to do, and letting it learn how to achieve the goal autonomously.”)— Sizhe Lester Li, Pesquisador Principal, MIT CSAIL
Impacto e aplicações
A implementação do NJF promete transformar a robótica em ambientes dinâmicos e não estruturados, permitindo que robôs realizem tarefas agrícolas com precisão de localização em nível centimétrico e operem em canteiros de obras sem a necessidade de matrizes de sensores complexas. Essa abordagem representa um avanço decisivo para permitir que robôs autônomos trabalhem de forma mais eficaz em ambientes desafiadores. Vincent Sitzmann, professor assistente no MIT, comentou:
“Nosso objetivo com os Campos Jacobianos Neurais é reduzir as barreiras, tornando a robótica acessível e adaptável a mais pessoas.
(“Our goal with Neural Jacobian Fields is to lower the barrier, making robotics affordable, adaptable, and accessible to more people.”)— Vincent Sitzmann, Professor Assistente, MIT
O futuro da robótica parece promissor, à medida que os pesquisadores buscam desenvolver versões do sistema que possam ser mais acessíveis e ampliar suas aplicações. Essa tecnologia pode proporcionar um ambiente operacional mais seguro e eficiente, aproximando a robótica das necessidades reais do mercado e do cotidiano.
Fonte: (The Robot Report – Robótica & Automação)
