Robô "aprende" com humano a arrumar um quarto bagunçado
Por Gustavo Minari | Editado por Douglas Ciriaco | 06 de Dezembro de 2021 às 19h05
Pesquisadores do Imperial College London, na Inglaterra, desenvolveram uma nova ferramenta de aprendizagem de máquina que permite que os robôs organizem espaços e ambientes domésticos de maneira completamente autônoma, seguindo as preferências individuais de cada usuário.
- Tecnologia do Facebook treinará robôs domésticos para realizar tarefas de casa
- Amazon anuncia robô doméstico com Alexa capaz de interagir com pessoas
Usando camadas de um sistema conhecido como rede neural de gráfico, os bots podem ser usados para limpar cômodos, arrumar a bagunça do quarto ou organizar livros em uma estante de forma personalizada e sem a necessidade de um operador humano para dar ordens ou supervisionar o trabalho.
“Todos organizam suas casas de uma maneira única e pessoal, influenciada pelo fato de alguém ser canhoto ou destro, seu gosto estético, seus hábitos e até mesmo sua formação cultural. Nós desenvolvemos um método para aprender as preferências das pessoas sobre como elas gostam que suas casas sejam organizadas, para que um robô possa arrumá-las sem precisar de ajuda”, explica o professor de robótica Edward Johns, autor principal do estudo.
NeatNet
A NeatNet criada pelos cientistas permite que os robôs aprendam as preferências de organização do usuário observando como eles arrumam os móveis e objetos dentro de um determinado espaço. Os bots então usam esse aprendizado como orientação para imitar o comportamento humano, melhorando seu desempenho com o passar do tempo.
Essa técnica foi inspirada em sistemas de recomendação — parecido com aqueles usados por plataformas como Netflix, YouTube e Spotify — que se baseiam nos hábitos do usuário para sugerir a próxima música, série ou filme. Esses robôs fazem recomendações com base no que a pessoa assistiu, ouviu ou acessou no passado.
“Suponha que você queira que sua mesa seja organizada de forma compacta para ser mais acessível. Você pode querer que o robô aprenda essa preferência para repeti-la no futuro com base nas características que você gosta, como posicionamento de cadeiras, distância da parede ou disposição dos pratos”, acrescenta Johns.
Inteligência artificial
Basicamente, a NeatNet usa cenas processadas anteriormente para montar um banco de dados com as preferências de cada usuário. A partir dessas imagens, a rede neural aprende os hábitos de organização, ordenados em uma sequência numérica, para agrupar objetos de forma personalizada.
Usando essa rede neural de gráfico, o sistema também consegue aprender e estabelecer relações entre objetos diferentes. O robô pode assimilar, por exemplo, que um teclado e um mouse são geralmente colocados um ao lado do outro sobre uma mesa, ou que os talheres são dispostos perto dos pratos.
"Como o robô não sabe com antecedência quantos objetos encontrará em uma cena, a NeatNet usa a rede neural para fazer esse processamento. Isso significa que, em vez de aprender diretamente com as imagens, ele modela uma cena como um gráfico, onde cada objeto é um nó e todos os nós são conectados entre si", diz Johns.
Organização personalizada
Os pesquisadores testaram o novo método de aprendizagem de máquina em uma sequência de ambientes, usando espaços virtuais criados em computador. Eles associaram quartos desenvolvidos com um simulador de arrumação para capturar as preferências de 75 usuários diferentes, com hábitos de organização totalmente distintos.
No simulador, a NeatNet conseguiu produzir de forma consistente arranjos de cômodos organizados e personalizados, conforme a preferência de cada usuário, utilizando a essência comportamental de cada pessoa. A ideia agora, é aplicar esses resultados em robôs autônomos no mundo real.
"Usaremos câmeras para detectar onde os objetos estão em uma sala, garantindo que os arranjos sugeridos sejam sempre seguros de acordo com as leis da física para evitar acidentes. Em vez de reorganizar a casa inteira, por exemplo, podemos querer que o robô apenas arrume os poucos itens que estão fora do lugar, mantendo a organização sem interferir na configuração do ambiente", encerra o professor Edward Johns.
Fonte: Imperial College London