Machine learning melhora colaboração em robôs com teoria da mente

São Paulo — InkDesign News —

Pesquisadores da Duke University e a Columbia University estão utilizando princípios da teoria da mente para ensinar máquinas a trabalharem colaborativamente em tarefas complexas, uma técnica que promete revolucionar o uso de machine learning e inteligência artificial (AI).

Contexto da pesquisa

A pesquisa explora a habilidade única dos humanos de prever as ações de outros e se adaptar em situações colaborativas, algo que atualmente limita a eficácia das máquinas. O estudo foi aceito na IEEE International Conference on Robotics and Automation (ICRA 2025), confirmando a relevância do trabalho na comunidade científica.

Método proposto

A abordagem desenvolvida, chamada HUMAC, utiliza um operador humano para orientar robôs durante o treinamento, permitindo orientações em momentos críticos, semelhante a um treinador em um jogo de futebol. Diferente de métodos tradicionais, como aprendizado por reforço ou aprendizado por imitação, que podem ser ineficazes e custosos, o HUMAC incorpora intervenções humanas diretamente nos algoritmos dos robôs.

“Para que os robôs possam aprender a colaborar, eles devem formar uma representação mental simultaneamente para prever os planos de seus companheiros e as ações dos oponentes.”
(“For the robots to be able to learn to collaborate, they must learn to form a mental representation to simultaneously predict what their teammates’ plans are and what their opponent players will do.”)

— Boyuan Chen, Professor Assistente, Duke University

Resultados e impacto

Em um jogo dinâmico de esconde-esconde simulado, uma equipe de robôs buscadores teve uma taxa de sucesso de 84% após apenas 40 minutos de orientação humana, comparado aos 36% de robôs que não colaboraram. Mesmo em testes físicos, a taxa permaneceu em 80%, demonstrando a eficácia do HUMAC.

“Observamos robôs começando a se comportar como verdadeiros companheiros de equipe, prevendo os movimentos uns dos outros.”
(“We observed robots starting to behave like genuine teammates, predicting each other’s movements.”)

— Zhengran Ji, Estudante de Pós-Graduação, Duke University

As aplicações deste estudo são vastas, incluindo operações de resposta a desastres, onde drones poderiam colaborar em missões complexas de busca em áreas devastadas. O desenvolvimento do HUMAC pode pavimentar o caminho para interação mais rica entre humanos e robôs.

Fonte: (TechXplore – Machine Learning & AI)