Estudo de Michigan ensina robôs a relacionar objetos domésticos

O objetivo da pesquisa é fornecer um método prático que permita que os robôs busquem ativamente objetos-alvo em um ambiente complexo.

Podemos não viver em um futuro repleto de robôs outrora sonhado pelos futuristas, mas estamos nos aproximando dele. Alto-falantes com assistentes virtuais dentro e aspiradores de pó robôs são comuns, e devemos esperar ainda mais bots invasores domésticos na próxima década.

Um dos obstáculos que os desenvolvedores enfrentam atualmente é ensinar os robôs a se movimentar pela casa. Para esse fim, uma equipe de pesquisa da Universidade de Michigan publicou um novo modelo, que treina robôs nas relações entre objetos domésticos.

Por exemplo, um robô pode ser designado para pegar a roupa da cesta no andar de cima e movê-la para a máquina de lavar. Com o modelo, ele pode ser treinado para entender onde está a cesta e a máquina, eliminando a necessidade de movimentar o robô manualmente.

“Ser capaz de pesquisar objetos de forma eficiente em um ambiente é crucial para que os robôs de serviço executem tarefas de forma autônoma”, disse Zhen Zeng, coautor do estudo. .”

O modelo, chamado SLiM (Semantic Linking Maps), associa objetos de referência, como uma geladeira, a outros objetos relacionados, como uma caixa de suco de laranja ou maionese. A partir disso, se um robô for solicitado a limpar a mesa, ele saberá colocar os itens da geladeira de volta no lugar a que pertencem.

Os pesquisadores disseram que o SLiM leva em conta a incerteza, por exemplo, se o cesto de roupa suja foi movido, ele não vai parar de funcionar, embora possa levar mais tempo para encontrar o novo local.

Essa renovação ativa de localizações geográficas e relacionamentos entre objetos deve melhorar o desempenho a longo prazo dos robôs, que de outra forma podem desligar constantemente devido a uma mudança no ambiente.

O Roomba foi um divisor de águas em termos de robôs domésticos, e a maioria dos robôs lançados depois de ter copiado o design e a funcionalidade dele. No entanto, os robôs apresentados pela equipe de Michigan são bem mais sofisticados, capazes de pegar objetos e realizar tarefas.

Ainda estamos a alguns anos desses tipos de robôs, embora pesquisas como essa mostrem que está definitivamente em andamento.