São Paulo — InkDesign News —
A pesquisa recente no campo de machine learning revolucionou a manipulação de objetos por robôs. Cientistas do Toyota Research Institute demonstraram avanços significativos em habilidades de destreza robótica, utilizando reforço aprendido a partir de demonstrações.
Contexto da pesquisa
A destreza em robótica é um dos maiores desafios na replicação de habilidades humanas. Embora robôs tenham mostrado competência em tarefas complexas, como cirurgias e navegação, a manipulação de objetos volumosos continua sendo difícil. O estudo foi publicado na revista Science Robotics.
Método proposto
O robô, denominado Punyo, foi treinado usando um método chamado de aprendizado por reforço guiado por exemplos. Neste modelo, foi necessário apenas uma demonstração de como lidar com objetos grandes, como um jarro de água. Com sensores táteis e feedback proprioceptivo, o robô ajustou seus movimentos conforme necessário.
“Um único exemplo teleoperado coletado na simulação é suficiente para treinar políticas para movimentos estilizados e ricos em contato”
(“A single teleoperated demonstration collected in simulation is sufficient to train policies for stylized, contact-rich motions.”)— Jose A. Barreiros, Pesquisador
Resultados e impacto
Os resultados mostraram que a adição de diferentes formas de conformidade ao robô, tanto passiva quanto ativa, aumentou a taxa de sucesso em 206% em comparação com versões rígidas. Essa flexibilidade é crucial para movimentos mais eficientes e precisos na manipulação de objetos.
Essas inovações possibilitam que robôs realizem tarefas cotidianas, como mover móveis ou transportar pacotes pesados, sem a necessidade de programação complexa. Isso aponta para um futuro onde máquinas serão capazes de aprender habilidades humanas com rapidez e eficiência.
Os próximos passos incluem aplicar esses aprendizados em configurações do mundo real, como lares e ambientes de trabalho, ampliando o potencial para assistência em tarefas diárias e cuidados com pessoas com mobilidade reduzida.
Fonte: (TechXplore – Machine Learning & AI)
