Cão-robô consegue se levantar e andar sobre duas pernasNovos algoritmos transformam robôs quadrúpedes em animais “selvagens”
Segundo os cientistas, essa nova abordagem pode ser aplicada em bots de baixo custo, permitindo que eles também atravessem terrenos rochosos, escorregadios, íngremes e irregulares, ou até mesmo se locomovem sobre superfícies escamosas em ambientes hostis e no escuro. “Capacitar pequenos robôs para subir escadas e lidar com uma variedade de ambientes é crucial para o desenvolvimento de máquinas que serão úteis nas casas das pessoas, bem como em operações de busca e resgate. Este sistema cria um bot robusto e adaptável que pode realizar muitas tarefas diárias”, explica o professor de robótica Deepak Pathak, coautor do projeto.
Comportamento adaptável
Para testar o novo sistema de locomoção, os pesquisadores colocaram o robô quadrúpede para subir e descer escadas irregulares, caminhar por encostas em parques públicos e atravessar superfícies escorregadias. Utilizando um pequeno computador de bordo e visão computacional, o bot consegue se adaptar rapidamente a qualquer tipo de terreno. Esse comportamento adaptável foi conquistado graças a um simulador virtual contendo mais de 4 mil clones digitais do robô, permitindo que o bot adquirisse uma experiência para se locomover por terrenos irregulares — que seria normalmente atingida em seis anos ou mais — em apenas um único dia de treinamento. “O simulador também armazenou as habilidades motoras aprendidas durante o treinamento em uma rede neural, que depois foram transferidas para o robô real. Essa abordagem não exige nenhuma engenharia manual para reproduzir os movimentos do bot como ocorre nos métodos tradicionais de aprendizagem”, acrescenta Pathak.
Olhando por onde anda
O novo sistema ignora as fases de mapeamento e planejamento, direcionando diretamente as entradas de visão para o controle do robô. Com isso, o que o bot enxerga determina como ele vai se mover, permitindo que o sistema reaja ao terreno em tempo real de maneira mais eficaz. Como os movimentos são treinados usando aprendizagem de máquina, o robô que utiliza o sistema pode ser de baixo custo. O modelo testado pela equipe é 25 vezes mais barato do que alternativas semelhantes disponíveis no mercado para realizar as mesmas tarefas. “Como não há mapa, nem planejamento, nosso sistema se “lembra” do terreno e de como o robô moveu sua perna dianteira, traduzindo o movimento para a perna traseira. Tudo isso em tempo real, de forma rápida e sem falhas. Essa tecnologia é um passo importante para levar robôs com pernas para a casa das pessoas”, encerra o professor Deepak Pathak.
