Modelos entrelaçados de aprendizagem de máquina permitem um robô executar tarefas mais rápido do que aqueles com apenas um programa de IA.
Fonte: TechCrunch (Traduzido para o Português)
Trabalhos em que robôs são mais adequados são tarefas tediosas, repetitivas em armazéns, como “pegar e colocar”. Mas humanos ainda são melhores. Pesquisadores da Universidade da Califórnia em Berkeley estão acelerando o ritmo com um par de modelos de aprendizado de máquina, que trabalham juntos para um braço robótico planejar o alcance e o caminho em milisegundos.
As pessoas não precisam pensar muito sobre como pegar um objeto e colocar em algum lugar, e não é porquê temos anos de experiência ao fazé-lo todo dia, mas nossos sensores e cérebros estão adaptados para a tarefa. Ninguém pensa, “E se eu pegar o copo, mexer para cima e para o lado, e depois devagar até a mesa?”, os caminhos que podemos movimentar o objeto são limitados e eficientes.
No entanto, robôs não possuem senso comum e intuição. Na falta de uma solução óbvia, eles precisam avaliar milhares de potenciais caminhos para escolher um objeto e movê-lo, e isto requer calcular as forças envolvidas, potenciais colisões, se afeta a firmeza que deve ser aplicada, e assim por diante.
Uma vez que o robô decide o que fazer, ele executa rapidamente, mas esta decisão leva tempo, vários segundos na melhor das hipóteses e, possivelmente mais tempo, dependendo da situação. Felizmente, roboticistas da UC Berkeley vieram com uma solução que reduz o tempo necessário em 99%.
O sistema usa dois modelos de aprendizado de máquina trabalhando em revezamento. O primeiro é um gerador rápido de potenciais caminhos para o braço robótico escolher, baseado em exemplos de movimento, criando várias opções. O segundo modelo de aprendizagem de máquina é treinado para escolher o melhor e selecionar o caminho. Este caminho tende a ser um pouco irregular e precisa de um ajuste fino. Mas como o planejador de movimento deu uma “partida aquecida” com a forma geral do caminho a ser seguido, o toque final é apenas um trabalho momentâneo.
Se o planejador de movimento estivesse trabalhando sozinho, levaria entre 10 e 40 segundos para concluir a tarefa. Porém, com uma “partida aquecida”, leva mais de um décimo de segundo.
Por enquanto, robôs não são tão eficientes quanto humanos em pegar e colocar. Mas pequenos aprimoramentos serão combinados para torná-los competitivos e eventualmente mais do que competitivos. O trabalho feito por humanos é perigoso e cansativo, e ainda assim, milhões o fazem no mundo porque não há outra forma para atender a demanda criada pela crescente economia de varejo online.
Talvez a técnica de usar dois programas de aprendizagem de máquina em um único robô, possa ser aplicada em outras áreas que exigem uma resposta rápida como veículos sem motorista ou táxi aéreo por drone.
