Pesquisadores estão avançando na interface entre machine learning e inteligência artificial com um novo modelo de controle inspirado em animais que pode melhorar operações de busca e resgate.
Contexto da pesquisa
Na Radboud University, na Holanda, uma equipe de cientistas internacional, incluindo pesquisadores da NYU, vem explorando o conceito de “inteligência coletiva”. Essa abordagem pretende imitar comportamentos naturais de grupos, como cardumes de peixes e bandos de aves, para melhorar a coordenação em robôs e drones.
Método proposto
Os pesquisadores desenvolveram regras de design geométrico para o agrupamento de partículas autônomas, baseadas em computação natural. Essa nova abordagem considera uma propriedade intrínseca chamada “curvity”, que influencia a movimentação dos agentes. As partículas ativas respondem a forças externas, levando à formação de estruturas coletivas sem a necessidade de um líder definido. Este método é comparável a cargas elétricas, onde os valores de curvity determinam as interações entre os robôs.
“Esse critério baseado na curvatura controla a atração entre pares de robôs e se estende naturalmente a milhares deles.”
(“This curvature-based criterion controls robot-pair attraction and naturally extends to thousands of robots.”)— Stefano Martiniani, Professor Assistente, NYU
Resultados e impacto
Os cientistas demonstraram que sua nova abordagem é eficaz em experimentos, mostrando como esse valor de curvity pode ser codificado na estrutura mecânica dos robôs. Esta inovação não só simplifica o controle de enxames robóticos, mas também transforma esse desafio em um exercício de ciência dos materiais. O método foi testado em diferentes cenários, levando a uma melhor eficiência na formação de grupos e fluxos.
“As regras são fundamentadas na mecânica elementar, tornando sua implementação em robôs físicos direta.”
(“The best part is that these rules are based on elementary mechanics, making their implementation in a physical robot straightforward.”)— Mathias Casiulis, Pesquisador Pós-Doutorando, NYU
As aplicações dessa pesquisa podem se extender a robôs industriais, robôs para entrega e até robôs microscópicos utilizados em tratamentos médicos. O avanço do controle de enxames robóticos pode revolucionar as operações de busca e resgate, minimizando riscos e otimizando a logística.
Fonte: TechXplore – Machine Learning & AI
