São Paulo — InkDesign News —
A pesquisa recente sobre *machine learning* e inteligência artificial (IA) destaca a evolução das abordagens de aprendizado de máquinas, permitindo que robôs aprendam novas habilidades de maneira mais acessível e intuitiva para usuários sem formação técnica.
Contexto da pesquisa
Pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) desenvolveram uma nova interface de demonstração versátil, capaz de facilitar o treinamento de robôs por meio de métodos diversos de aprendizado. Essa abordagem visa expandir as interações entre humanos e máquinas, promovendo uma integração mais fluida no ambiente de trabalho.
Método proposto
A proposta se fundamenta no conceito de *learning from demonstration* (LfD), onde os robôs são treinados a partir de exemplos práticos. A nova interface, um dispositivo portátil equipado com sensores, permite que um usuário controle o robô remotamente, manipule fisicamente ou demonstre a tarefa ele mesmo. A interface é adaptável a braços robóticos colaborativos e inclui uma câmera que captura movimentos e registros de pressão durante as ações.
“Estamos tentando criar colegas de trabalho altamente inteligentes e habilidosos que possam colaborar efetivamente com humanos para realizar trabalhos complexos”
(“We are trying to create highly intelligent and skilled teammates that can effectively work with humans to get complex work done.”)— Mike Hagenow, Pós-doutorado, MIT
Resultados e impacto
Os testes realizados com a nova interface mostraram que os usuários, em sua maioria especialistas em manufatura, preferiram o método natural de ensino em comparação com teleoperação e treinamento cinestésico. Cada método apresentou suas vantagens, com teleoperação sendo mais eficaz para tarefas que envolvem substâncias tóxicas e o treinamento cinestésico útil no ajuste de posicionamento de robôs, por exemplo. A pesquisa destaca a flexibilidade no treinamento de robôs e o potencial para aplicações em ambientes de fabricação e atendimento ao lar.
Os pesquisadores estão agora focados em refinar o design da interface com base nas sugestões dos usuários, além de explorar futuras aplicações da tecnologia em diferentes domínios.
Fonte: (TechXplore – Machine Learning & AI)
