Dual

Por Brianna Wessling | 24 de agosto de 2023

Pesquisadores da Universidade de Bristol, com sede no Laboratório de Robótica de Bristol, projetaram um sistema bi-touch que permite aos robôs realizar tarefas manuais, sentindo o que fazer a partir de um ajudante digital. O sistema pode ajudar um robô bimanual a exibir sensibilidade tátil próxima à destreza de nível humano, usando IA para informar suas ações.

A equipe de pesquisa desenvolveu um sistema robótico tátil de braço duplo que aprende habilidades bimanuais por meio do Deep Reinforcement Learning (Deep-RL). Esse tipo de aprendizado foi projetado para ensinar robôs a fazer coisas, permitindo-lhes aprender por tentativa e erro, semelhante a treinar um cachorro com recompensas e punições.

A equipe iniciou sua pesquisa construindo um mundo virtual que contém dois braços robóticos equipados com sensores táteis. Em seguida, eles projetaram funções de recompensa e um mecanismo de atualização de metas que poderia encorajar os agentes robôs a aprenderem a realizar as tarefas bimanuais. Eles então desenvolveram um sistema robótico tátil de braço duplo do mundo real para aplicar o agente.

“Com nosso sistema Bi-Touch, podemos treinar facilmente agentes de IA em um mundo virtual em poucas horas para realizar tarefas bimanuais [sob medida] ao toque. E o mais importante, podemos aplicar diretamente esses agentes do mundo virtual para o mundo real sem treinamento adicional”, disse o autor principal Yijiong Lin, da Faculdade de Engenharia da Universidade de Bristol. “O agente tátil bimanual pode resolver tarefas mesmo sob perturbações inesperadas e manipular objetos delicados de maneira suave.”

Para a manipulação robótica, por exemplo, o robô aprende a tomar decisões tentando vários comportamentos para realizar tarefas designadas, como levantar objetos sem deixá-los cair ou quebrá-los. Quando o robô tem sucesso, ganha um prêmio; quando falha, aprende o que não fazer.

Com o tempo, ele descobre as melhores maneiras de pegar coisas usando essas recompensas e punições. O agente de IA fica visualmente cego ao fazer esse aprendizado e depende apenas do feedback tátil e do feedback proprioceptivo, que é a capacidade do corpo de sentir movimento, ação e localização.

“Nosso sistema Bi-Touch apresenta uma abordagem promissora com software e hardware acessíveis para aprender [comportamentos] bimanuais com toque em simulação, que pode ser aplicado diretamente ao mundo real”, disse o co-autor Professor Nathan Lepora. “Nossa simulação de robô tátil de braço duplo desenvolvida permite pesquisas adicionais em tarefas mais diferentes, já que o código será de código aberto, o que é ideal para o desenvolvimento de outras tarefas posteriores.”

Usando este método, os pesquisadores conseguiram permitir que o robô de braço duplo levantasse com segurança itens tão frágeis quanto um único chip Pringle. Este desenvolvimento pode ser útil em indústrias como a colheita de frutas e serviços domésticos e, eventualmente, para recriar o toque em membros artificiais.

A pesquisa da equipe foi publicada na IEEE Robotics and Automation Letters.