São Paulo — InkDesign News —
A pesquisa recente sobre machine learning e inteligência artificial revelou avanços significativos na colaboração entre robôs, utilizando um framework de código aberto baseado em ROS2. Este sistema está projetado para permitir que múltiplos robôs trabalhem juntos de forma inteligente e flexível.
Contexto da pesquisa
O estudo publicado na revista IEEE Access destaca a importância da comunicação entre robôs e a tomada de decisões em tempo real. Pesquisadores da Escuela Superior Politecnica del Litoral desenvolveram um sistema que integra navegação autônoma, comportamento adaptável e visão computacional para otimizar o trabalho em ambientes dinâmicos.
Método proposto
O sistema proposto utiliza algoritmos semelhantes aos encontrados em sistemas de GPS para navegação autônoma, permitindo que os robôs recalculam caminhos instantaneamente ao encontrar obstáculos. A abordagem de “árvores de comportamento” permite que um robô que ficou preso tente resolver o problema autonomamente antes de solicitar ajuda. Além disso, a visão computacional combina marcadores ArUco e câmeras distribuídas para calcular a posição dos robôs com precisão inferior a 3 cm.
“As árvores de comportamento não apenas previnem colisões, mas também permitem que o sistema escale, de dois robôs em um laboratório para 20 em uma fábrica.”
(“Behavior trees not only prevent collisions but also allow the system to scale, from two robots in a lab to 20 in a factory.”)— Francisco Yumbla, Pesquisador, Escuela Superior Politecnica del Litoral
Resultados e impacto
Os testes mostraram que os robôs localizam-se com uma margem média de erro de 2,5 cm. O sistema demonstrou robustez, onde um robô que falha é automaticamente substituído por outro em segundos. A escalabilidade do sistema foi um fator crítico, sendo eficaz tanto com cinco quanto com quinze robôs, adaptando-se conforme as necessidades do ambiente.
As implicações são vastas. O sistema, sendo aberto e baseado em ROS2, pode ser customizado para diversas indústrias, desde hospitais até centros de logística e museus. Isso não só aumenta a eficiência das operações, mas também libera os operadores humanos de tarefas repetitivas, permitindo-lhes focar em funções mais estratégicas.
Fonte: (TechXplore – Machine Learning & AI)
