Para serem mais úteis, os robôs precisam se tornar mais preguiçosos

Simplificando o software

A Amazon, que tem mais de 750.000 robôs, a maior frota desse tipo no mundo, também está interessada em usar IA para ajudá-los a tomar decisões mais inteligentes, seguras e eficientes. Os robôs da Amazon se enquadram principalmente em duas categorias: robôs móveis que movimentam estoque e braços robóticos projetados para manusear objetos. Os sistemas de IA que alimentam essas máquinas coletam milhões de pontos de dados todos os dias para ajudar a treiná-los para concluir suas tarefas. Por exemplo, eles devem aprender qual item agarrar e mover de uma pilha, ou como evitar com segurança os trabalhadores humanos do depósito. Esses processos exigem muito poder de computação, que as novas técnicas podem ajudar a minimizar.

Geralmente, braços robóticos e robôs de “manipulação” similares usam aprendizado de máquina para descobrir como identificar objetos, por exemplo. Então eles seguem regras ou algoritmos codificados para decidir como agir. Com IA generativa, esses mesmos robôs podem prever o resultado de uma ação antes mesmo de tentar, para que possam escolher a ação com maior probabilidade de sucesso ou determinar a melhor abordagem possível para agarrar um objeto que precisa ser movido.

Esses sistemas de aprendizado são muito mais escaláveis ​​do que os métodos tradicionais de treinamento de robôs, e a combinação de IA generativa e conjuntos de dados massivos ajuda a simplificar o sequenciamento de uma tarefa e a cortar camadas de análise desnecessária. É aí que entra a economia em poder de computação. “Podemos simplificar o software pedindo que os modelos façam mais”, diz Michael Wolf, cientista principal da Amazon Robotics. “Estamos entrando em uma fase em que estamos repensando fundamentalmente como construímos autonomia para nossos sistemas robóticos.”

Conseguir mais fazendo menos

A competição RoboCup deste ano pode ter acabado, mas Van de Molengraft não está descansando sobre os louros após o sucesso retumbante de sua equipe. “Ainda há muitas atividades computacionais acontecendo em cada um dos robôs que não são necessárias por si só em cada momento”, ele diz. Ele já está começando a trabalhar em novas maneiras de tornar sua equipe robótica ainda mais preguiçosa para ganhar uma vantagem sobre seus rivais no ano que vem.

Embora os robôs atuais ainda não estejam nem perto de igualar a eficiência energética dos humanos, ele está otimista de que os pesquisadores continuarão a progredir e que começaremos a ver muito mais robôs preguiçosos que são melhores em seus trabalhos. Mas isso não vai acontecer da noite para o dia. “Aumentar a conscientização e a compreensão dos nossos robôs para que eles possam desempenhar melhor suas tarefas, seja futebol ou qualquer outra tarefa em basicamente qualquer domínio em ambientes construídos por humanos — esse é um trabalho contínuo em andamento”, diz ele.