Os robôs aprenderam a copiar habilidades humanas simplesmente observando as pessoas.

Os seres humanos podem aprender ações específicas com outros seres humanos e, em alguns casos, com animais. Robôs podem ser programados para executar sequências específicas de ações, mas replicar habilidades humanas com outras máquinas é uma tarefa mais complexa, visto que os robôs podem diferir em design. Engenheiros da Escola Politécnica Federal de Lausanne (EPFL, Suíça) propuseram uma solução para esse problema.

Fonte da imagem: actu.epfl.ch

Cientistas do Laboratório de Algoritmos e Sistemas de Aprendizagem (LASA) da EPFL desenvolveram uma nova tecnologia que permite que robôs imitem atividades humanas, eliminando a necessidade de operadores personalizarem o código para cada tipo de robô. Este sistema proporcionará economias significativas de tempo e custos para pesquisa e indústria. A inteligência cinemática — uma nova abordagem para o aprendizado por demonstração (LfD) — permite que robôs de diversos designs adquiram novas habilidades observando a mesma demonstração feita por um instrutor humano.

A inteligência cinemática difere das soluções existentes porque as ações observadas são transformadas em uma estratégia que se adapta às restrições individuais de articulação e movimento de cada robô, bem como às suas outras limitações e pontos fortes físicos. Após aprenderem com diversas demonstrações, ou mesmo apenas uma, os robôs que atuaram como alunos completaram com sucesso novas tarefas usando um “sistema dinâmico globalmente estável”. “Cada robô dominou diferentes etapas da tarefa, e o sistema funcionou bem mesmo quando a distribuição dos passos variou. Cada robô interpreta a mesma habilidade de forma diferente, mas sempre dentro de limites seguros e viáveis”, comentou Sthithpragya Gupta, uma das autoras do projeto.

O projeto começou com pesquisadores da EPFL capturando os movimentos de pessoas colocando, empurrando, arremessando e manipulando objetos. Em seguida, eles construíram um sistema para classificar as limitações físicas dos robôs, capturando seus limites de equilíbrio e amplitudes de movimento articular, e combinaram esse sistema com os dados de captura de movimento para desenvolver seu próprio sistema de observação e aprendizado adaptativo de robôs. Em experimentos conduzidos após a observação de humanos, três robôs comerciais diferentes aprenderam a mover blocos de madeira de uma esteira rolante para uma plataforma de trabalho, colocá-los sobre mesas e depositá-los em recipientes.

Na próxima etapa, os pesquisadores querem treinar os robôs para executar tarefas não de acordo com um modelo fornecido por humanos, mas com base em descrições verbais: “O usuário sugere uma ideia e o comportamento desejado, e o robô deve cuidar do resto.”