Uma parte importantíssima do aprendizado humano, principalmente nos primeiros anos de vida, é a manipulação de objetos. Os bebês desenvolvem a coordenação motora ao interagir com o mundo ao redor, com brinquedos e quaisquer outros objetos que estiverem ao alcance. É uma forma eficiente de aprender e, para os humanos, divertida. Por isso, o interesse nela vai muito além da psicologia e da sala de aula. Pesquisadores da robótica buscam formas de aplicar esse método para aumentar a eficiência de robôs, e um grupo da Universidade da Califórnia em Berkeley, nos Estados Unidos, deu um passo importante nessa direção.
Os cientistas desenvolveram um braço robótico capaz de manipular objetos de diversos formatos, tamanhos e materiais, algo complicado para um robô convencional fazer. Ele utiliza um sistema de predição visual que determina como um objeto reagirá a cada possível movimento da máquina. Para fazer a melhor previsão, o robô foi treinado. Os cientistas o deixaram manipular objetos livremente, e o protótipo os mudou de posição e contornou obstáculos de forma parecida como um bebê manuseia seus brinquedos. Quanto mais informações são obtidas nessa fase, mais eficiente o braço se torna ao lidar com objetos diferentes.
[SAIBAMAIS];Durante a fase de ;brincadeira;, o robô está empurrando objetos aleatoriamente milhares de vezes, sem nenhum envolvimento humano. Usando os dados de vídeo e os comandos motores gravados, um sistema de predição é treinado para prever uma sequência de frames, e o algoritmo seleciona as ações que atingem os objetivos programados;, explica Frederik Ebert, principal autor da pesquisa, apresentada na Conferência de Sistemas de Processamento de Informações Neurais, em Long Beach, na Califórnia.
O sistema de predição utiliza inteligência artificial para determinar as consequências de uma ação do robô. Por exemplo, se os pixels da imagem representando o braço robótico tocarem aqueles que representam um objeto, é provável que os últimos se movam na mesma direção. Dessa forma, o algoritmo consegue prever os resultados de diversas ações e escolher aquele que pode melhor cumprir o seu objetivo.
A capacidade de ;imaginar; ações futuras permite que o robô junte informações suficientes durante o seu treinamento para lidar com uma variedade de situações. ;Ele consegue manobrar vários tipos de objetos em uma mesa;, afirma Frederik Ebert. ;Isso é muito desafiador, porque eles têm formas, massas e propriedades de fricção diferentes.; Outro grande avanço do sistema é conseguir se lembrar dos objetos que estão escondidos atrás de um obstáculo, algo que os humanos fazem corriqueiramente, mas que é complicado para uma máquina.
Multiúso
Os criadores acreditam que o sistema de aprendizado possui aplicações nas mais diversas áreas, como em carros autônomos e robôs domésticos, e pode ajudar as máquinas a interagir melhor com o comportamento humano. Para o professor André Marcato, da Faculdade de Engenharia da Universidade Federal de Juiz de Fora, em Minas Gerais, as aplicações para esse tipo de tecnologia vão muito além da manipulação de objetos. ;Pessoas debilitadas utilizando dispositivos assistivos, como cadeiras de roda, poderiam ser ajudadas no momento em que o sistema prevê o que elas desejam fazer. Observando ambientes perigosos, drones poderiam antever um atentado terrorista;, ilustra.
;Há vários grupos trabalhando nisso, e há muita coisa ainda para ser pesquisada;, diz Rogério Sales, professor do Laboratório de Robótica da Universidade Federal de Uberlândia, também em Minas Gerais. Segundo ele, um dos grandes obstáculos desses projetos é a capacidade de processamento das soluções desenvolvidas. ;O cérebro humano faz isso de uma forma muito intuitiva;, explica. ;Uma pessoa, ao interagir com outra, possui muitos sensores e consegue identificar qual é a emoção ligada aos seus movimentos. O grande desafio para os robôs é ver a reação de um humano e identificar o que ele pensa, o que ele espera da máquina.;
Apesar do longo caminho a ser percorrido, a equipe americana ressalta que os avanços conquistados com o braço robótico são animadores. A equipe trabalha, no momento, em melhorias no sistema. ;Gostaríamos de permitir que o robô aprendesse habilidades mais complexas através dessa abordagem, como manipular objetos flexíveis, cordas e tecidos, por exemplo;, afirma Chelsea Finn, uma das autoras.
* Estagiário sob a supervisão da subeditora Carmen Souza