Contexto da pesquisa
A recente pesquisa realizada na Universidade da Califórnia, em Berkeley, destacou o uso de machine learning para otimizar a concepção de robôs de truss complexos. A equipe liderada por Lining Yao desenvolveu um sistema que integra inteligência artificial para simplificar o design de robôs que mudam de forma, facilitando sua adaptação a diferentes ambientes e tarefas.
Método proposto
Utilizando um algoritmo genético, o modelo permite identificar o número mínimo de unidades de controle necessárias para que os robôs realizem as funções desejadas. “Assim, você pode projetar automaticamente um robô capaz de atender a todos os seus objetivos — como se transformar em determinadas formas, mover-se o mais rápido possível e pegar uma bola” (“So you can automatically design a robot able to meet all of your objectives—such as morphing into certain shapes, moving as fast as possible and grabbing a ball.”) — Lining Yao, Professora Assistente de Engenharia Mecânica, UC Berkeley.
Resultados e impacto
Os protótipos criados, que incluem um robô quadrúpede e um capacete que muda de forma, mostraram que é possível alcançar adaptações complexas de forma com um número reduzido de unidades de controle. Os testes revelaram a quantidade ideal de redes de controle antes que os ganhos de desempenho comecem a diminuir. “Encontramos um ponto ótimo onde você tem o número mínimo de canais, mas ainda consegue um bom desempenho” (“There seems to be a sweet spot where you’ll find the minimum number of channels but still achieve good performance.”) — Lining Yao, Professora Assistente de Engenharia Mecânica, UC Berkeley.
A pesquisa sugere que, ao integrar algoritmos de otimização com conceitos biológicos de sinergia muscular, é possível gerenciar a complexidade através de grupos coordenados de atuadores. O próximo objetivo da equipe é incorporar um framework de design generativo que utilize modelos de linguagem para aprimorar ainda mais o processo de design.
As implicações dessa pesquisa são amplas, podendo levar ao desenvolvimento de robôs multifuncionais com aplicações em diversas áreas, como saúde e vestíveis. A expectativa é que esses avanços permitam a criação de produtos inovadores, como lençóis de hospitais que podem mudar de forma para atender às necessidades dos pacientes.
Fonte: (TechXplore – Machine Learning & AI)
