Robô usa "visão" para pular buracos e vencer obstáculos

Pesquisadores do MIT, nos EUA, desenvolveram um novo sistema de controle que permite que robôs de quatro patas se movam sem dificuldade em terrenos irregulares. Com esse dispositivo, os bots são capazes de pular buracos no solo de maneira muito mais ágil e veloz em tempo real.

• Robôs imitam formigas para vencerem obstáculos coletivamente
• Ciência se inspira na aerodinâmica dos guepardos para criar robôs mais ágeis
• Robô usa inteligência artificial para andar na calçada sem esbarrar em pedestres

Ao contrário de outros métodos de controle, esse sistema inovador não requer que o terreno seja mapeado com antecedência, permitindo que os robôs consigam entrar em locais desconhecidos, como uma floresta, para participar de missões de resgate ou possam subir lances de escada para levar medicamentos a um idoso debilitado.

“Nessas situações, você precisa usar a visão para evitar falhas. Por exemplo, é difícil não pisar em um buraco se você não pode vê-lo. Embora existam alguns métodos para incorporar a visão na locomoção de máquinas com pernas, eles não são adequados para sistemas robóticos mais ágeis”, diz o professor de ciência da computação Gabriel Margolis, autor principal do estudo.

Controle dividido

O novo sistema de controle é dividido em duas partes: uma que processa a entrada de imagens de uma câmera montada na frente do robô e outra que traduz essas informações em instruções de como o bot quadrúpede deve se movimentar para superar os obstáculos no terreno acidentado.

Esses dois controladores separados e um algoritmo especializado trabalham em conjunto para converter os dados de entrada em ações a serem seguidas em tempo real. Muitos controladores “cegos” são robustos e eficazes, mas permitem apenas que os robôs caminhem em terrenos contínuos.

Nesta nova abordagem, a câmera capta imagens do ambiente e as envia ao controlador que possui informações como ângulos, estado das articulações e orientação do corpo do robô. Esse controlador de alto nível funciona como uma rede neural capaz de aprender com a experiência.

“Essa rede neural produz uma trajetória de destino, que o segundo controlador usa para gerar torques para cada uma das 12 articulações do robô. Este controlador de baixo nível não é uma rede neural, ele depende de um conjunto de equações físicas concisas para descrever e executar o movimento do robô”, explica Margolis.

Tentativa e erro

Para treinar a rede neural, os pesquisadores usaram o método de tentativa e erro conhecido como aprendizagem por reforço repetido. Eles fizeram simulações com o robô correndo por vários terrenos diferentes, cheios de buracos e lacunas no solo, recompensando-o a cada tarefa bem-sucedida.

Com o tempo, o algoritmo aprendeu quais ações maximizavam o número de recompensas, facilitando a execução do trajeto sem cair ou cometer falhas. Nos testes realizados em laboratório, o robô conseguiu cruzar os obstáculos com sucesso em 90% dos casos após o treinamento da rede neural.

“Uma novidade do nosso sistema é que ele ajusta a marcha do robô. Se um humano estivesse tentando pular por uma lacuna muito grande, ele poderia começar correndo muito rápido para ganhar velocidade e saltar mais longe. Da mesma forma, nosso robô pode ajustar os tempos e a duração dos movimentos para atravessar melhor o terreno”, acrescenta Margolis.

No futuro, os pesquisadores esperam desenvolver um computador portátil mais poderoso para que o robô possa fazer todos os cálculos a bordo. Eles também pretendem melhorar o controlador de alto nível, permitindo que ele funcione em diferentes condições de iluminação e com total amplitude de movimentos.

“Ainda temos um longo caminho a percorrer antes de implantar esse sistema no mundo real, mas é notável testemunhar a flexibilidade das técnicas de aprendizagem de máquina, capazes de contornar problemas usando modelos de visão treinados especificamente para a locomoção dos robôs”, encerra Gabriel Margolis.

Fonte: MIT