“As coisas que nos tornam distintos [das máquinas] não são as nossas capacidades, são as nossas vulnerabilidades e as nossas fraquezas”
Fevereiro 23, 2025Renove a energia do smartphone ou tablet com novas aplicações
Fevereiro 23, 2025No ano passado, a Boston Dynamics lançou uma versão para investigadores do Spot. Desde então, equipas como as do Robotics and AI (RAI) Institute têm vindo a tentar encontrar formas de contornar algumas das limitações do famoso cão-robot. Agora, os investigadores do centro de pesquisa liderado por Marc Raibert, que fundou a Boston Dynamics em 1992, descobriram uma maneira de o tornar mais rápido.
A equipa recorreu à aprendizagem por reforço, uma técnica no campo da Inteligência Artificial, para treinar o Spot e, num teste de corrida, o robot conseguiu alcançar a marca dos 5,2 metros por segundo. Por comparação, a versão “predefinida” do robot tem uma velocidade máxima de apenas 1,6 metros por segundo.
Veja o vídeo
Embora a forma como a versão melhorada do Spot se movimenta possa parecer um pouco estranha, Farbod Farshidian, investigador do RAI Institute, explica em declarações ao website IEEE Spectrum que os atuadores do robot, isto é, os componentes que o ajudam a movimentar-se, “são diferentes dos músculos”. Tendo em conta a diferença nas formas de movimento, “um modo de marcha que permitiria a um cão correr depressa não é exatamente a melhor para este robot”, afirma.
Segundo o investigador, a forma como esta versão do Spot se movimenta tem algumas parecenças com o trote dos cavalos, mas com uma fase em que os quatro pés estão simultaneamente fora do chão. A fase de “voo” é necessária para que o robot consiga impulsionar os pés para a frente de maneira suficientemente rápida e manter a sua velocidade.
Para descobrirem como é possível tornar o Spot mais rápido, a equipa do RAI Institute teve de mudar a abordagem “de fábrica” do robot, baseada num modelo de controlo preditivo. Embora seja um método útil, também tem limitações que tornam o controlo do robot demasiado rígido.
Por outro lado, a aprendizagem por reforço permite que o robot aprenda “sozinho” através de simulações, independentemente de quão complexo for o modelo que alguém queira implementar.
[related-post id=”408849″ post_type=”post” /]
Durante a sua investigação, a equipa apercebeu-se de que os atuadores não eram a causa das limitações de velocidade do Spot: o verdadeiro “culpado” era o seu sistema de energia. Afinal, as baterias do robot não tinham a capacidade de fornecer energia suficiente. “Se tivéssemos baterias ainda mais poderosas, conseguiriamos fazer com que corresse mais depressa”, afirma Farbod Farshidian.
Mas a aprendizagem por reforço também pode ser aplicada a outras tarefas. O investigador do RAI Institute indica que, através dela, seria possível tornar os movimentos do robot mais eficientes de modo a maximizar a bateria, ou então, fazer com que se mova silenciosamente.
Além de uma nova parceria entre o RAI Institute e a Boston Dynamics com vista a novos avanços em matéria de robots humanoides através da aprendizagem por reforço, a equipa está a testar o método com outros autómatos, incluindo com uma das suas invenções.
O Ultra Mobility Vehicle (UMV) é uma pequena bicicleta robótica que foi treinada para fazer parkour sobre rodas. No futuro, os investigadores esperam levar o UMV para fora do laboratório, onde colocarão à prova as suas capacidades em cenários reais.
Veja o vídeo
