Beijing — InkDesign News —

A aplicação de machine learning (aprendizado de máquina) tem avançado rapidamente, possibilitando a criação de robôs humanoides capazes de desempenhar funções complexas, como interações sociais e execução de esportes, conforme demonstrado nos Jogos Mundiais de Robôs Humanoides em Beijing.

Contexto da pesquisa

A pesquisa em robótica humanoide, focada em machine learning e inteligência artificial, tem avançado nos últimos anos, especialmente em instituições como a Universidade de Tsinghua e a Universidade Peking. Os robôs têm sido projetados para executar atividades que exigem habilidades motoras e cognitivas.

Método proposto

Os robôs utilizam Redes Neurais Convolucionais (CNN) para o reconhecimento de padrões e comportamento, e Variational Autoencoders (VAEs) para simular ações humanas, como dançar ou jogar futebol. Este método tem mostrado uma acurácia acima de 90% em tarefas de locomoção e interação.

“Estamos continuamente surpreendidos com o desempenho dos robôs em ambientes dinâmicos.”
(“We are continuously surprised by the performance of robots in dynamic environments.”)

— Dr. Li Wei, Pesquisador, Universidade de Tsinghua

Resultados e impacto

Nos Jogos, mais de 500 robôs de 280 equipes competiram em diversas modalidades. Um robô de futebol, por exemplo, foi capaz de marcar um gol após algumas tentativas, demonstrando progresso significativo em habilidades motoras e tomada de decisão. Esses avanços são macroindicadores do potencial das tecnologias de machine learning para melhorar a interação humano-máquina.

“Cada robô que participa está fazendo história.”
(“Every robot that participates is making history.”)

— Porta-voz, Governo de Beijing

As métricas de desempenho incluem uma taxa de sucesso de 85% em tarefas complexas, empregando datasets de interação humano-robô, como o RoboCup Soccer Dataset, além de benchmarks como o Robot Operating System (ROS) para avaliação de performance.

Com o mercado de robótica em expansão, as aplicações futuras incluem desde cozinhas automatizadas a assistentes pessoais robô, explorando outras áreas como saúde e educação. A pesquisa continua a evoluir, explorando novas formas de interação e eficiência.

Fonte: (TechXplore – Machine Learning & AI)