Humanoides e AI: Avanços e Desafios em Machine Learning
Recentemente, a área de machine learning e inteligência artificial (AI) tem visto avanços significativos, especialmente em contextos que vão de seres humanos a robôs humanoides. No entanto, as divergências entre o desenvolvimento de AI e a robótica física ainda são notórias.
Contexto da pesquisa
O evento inaugural da Olimpíada Internacional Humanoide, realizado na Grécia, lançou luz sobre o estado atual da robótica. Especialistas discutiram a disparidade entre as capacidades cognitivas da AI e o desempenho físico de robôs que imitam a aparência humana. “Acredito que os humanoides primeiro irão ao espaço e, depois, para as casas… a casa é a última fronteira”, afirmou Minas Liarokapis, organizador do evento.
Método proposto
Uma das principais abordagens discutidas envolve a união de engenharia tradicional e treinamento em ambientes reais. Ken Goldberg, professor na Universidade da Califórnia, defendeu que é crucial para os fabricantes de robôs irem além das simulações. Ele argumentou que “coletar dados enquanto realizam trabalhos úteis, como dirigir táxis e classificar pacotes”, é essencial para o avanço da robótica.
Resultados e impacto
Os robôs presentes na Olimpíada, embora limitados a atividades simples como futebol e boxe, destacaram a necessidade de mais dados reais para treiná-los. O desenvolvimento de braços prostéticos com feedback sensorial, como o criado por Aadeel Akhtar, CEO da Psyonic, promete acelerar essa coleta de dados. Akhtar declarou: “Criamos nossa mão tanto para humanos quanto para robôs”
“Portanto, estamos fechando essa lacuna usando a mão da prótese em humanos e traduzindo esses dados para robôs.”
(“So we’re closing that gap by actually using the hand of the prosthetic on humans and then translating that (data) over to robots.”)— Aadeel Akhtar, CEO, Psyonic
.
O impacto futuro da AI e da robótica humanoide pode ser profundo, com possíveis aplicações em setores como saúde e exploração espacial. A cooperação entre acadêmicos, empresas de dados e fabricantes é vital para enfrentar os desafios atuais e avançar essa tecnologia.
Fonte: (TechXplore – Machine Learning & AI)
