São Paulo — InkDesign News — Um debate acirrado entre respeitáveis roboticistas na Conferência Internacional de Robótica e Automação da IEEE (ICRA), realizada recentemente, destacou divergências sobre o futuro da robótica: deve este ser pautado por dados ou modelos matemáticos?
Tipo de Tecnologia Aplicada
A discussão envolveu líderes na área da robótica, como Daniela Rus e Russ Tedrake, que advogaram por uma abordagem centrada em dados, particularmente em aprendizado de máquina em grande escala. Para eles, essa metodologia é vital para que os robôs funcionem de maneira confiável em ambientes reais, onde a imprevisibilidade é uma constante. Rus afirmou:
“A física nos dá modelos limpos para ambientes controlados, mas quando saímos, essas suposições desmoronam.”
(“Physics gives us clean models for controlled environments, but the moment we step outside, those assumptions collapse.”)— Daniela Rus, Diretora do CSAIL, MIT
Isso é evidenciado pelos esforços do Laboratório de Robótica Distribuída do CSAIL, onde a equipe coleta dados multimodais de humanos realizando tarefas cotidianas. O objetivo é capacitar robôs a generalizar ações e adaptar-se a novas condições.
Desenvolvimento e Testes
Os testes são realizados em cenários variados, como um testbed de cozinha no CSAIL, onde voluntários são equipados com sensores durante atividades como picar legumes e preparar alimentos. Esses sensores registram não apenas movimentos articulares, mas também interações sutis, como pressão dos dedos e olhares, possibilitando a criação de bases de dados ricas para treinamento de IA.
Tedrake destacou que a ampliação de dados melhora a manipulação robótica. Ele apresentou um robô bimanual que, ao ser treinado para descascar e fatiar maçãs, adaptou-se automaticamente às variações entre as frutas. “É o mesmo efeito que vimos em linguagem e visão: uma vez que os dados são ampliados, uma robustez surpreendente emerge”, disse ele.
Impacto e Aplicações
A ênfase na combinação de aprendizado baseado em dados com modelos estruturados foi também discutida por Animesh Garg. Este enfatizou que, enquanto grandes conjuntos de dados podem revelar padrões, modelos são necessários para generalizar essas descobertas e torná-las aplicáveis. “O melhor caminho pode ser uma abordagem híbrida, onde exploramos a escala dos dados enquanto respeitamos as restrições dadas pelos modelos”, argumentou Garg.
O impacto potencial dessa pesquisa é significativo, permitindo que robôs operem de maneira eficaz em lares, hospitais e ambientes industriais. A diversidade de pensamento nas metodologias robóticas é crucial, pois a aplicação de modelos pré-treinados em linguagem e percepção não é suficiente em robótica, onde a interação com ambientes reais apresenta desafios únicos e variados.
Enquanto isso, a necessidade de espaços de dados grandes e eficazes foi enfatizada como essencial para a generalização das operações. Tedrake finalizou afirmando que “resolver a robótica é uma agenda de longo prazo” e que a verdadeira necessidade será de integrar tanto dados quanto modelos, mas a prioridade entre eles ainda permanece indefinida.
Fonte: (The Robot Report – Robótica & Automação)
