Estudo de Michigan Mostra Robôs Dominando Relações entre Objetos Domésticos para Navegação Residencial Mais Inteligente

O objetivo da pesquisa é fornecer um método prático que permita aos robôs buscar ativamente objetos-alvo em ambientes complexos.

Embora não vivamos no futuro repleto de robôs sonhado por futuristas, estamos nos aproximando. Alto-falantes com assistentes virtuais e aspiradores robôs são comuns, e devemos esperar ainda mais bots domésticos na próxima década.

Um dos obstáculos que os desenvolvedores enfrentam atualmente é ensinar robôs a se movimentarem pela casa. Para isso, 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 roupas do cesto no andar de cima e colocá-las na máquina de lavar. Com o modelo, ele pode ser treinado para entender onde estão tanto o cesto quanto a máquina, eliminando a necessidade de mover o robô manualmente.

"Ser capaz de buscar objetos de forma eficiente em um ambiente é crucial para robôs de serviço realizarem tarefas autonomamente", disse Zhen Zeng, coautor do estudo. "Fornecemos um método prático que permite ao robô buscar ativamente objetos-alvo em um ambiente complexo."

O modelo, chamado SLiM (Mapas de Vinculação Semântica), 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, saberá recolocar os itens da geladeira onde pertencem.

Os pesquisadores afirmam que o SLiM considera incertezas — por exemplo, se o cesto de roupas foi movido, o robô não para de funcionar, embora possa levar mais tempo para encontrar a nova localização.

Essa renovação ativa de localizações geográficas e relações entre objetos deve melhorar o desempenho a longo prazo dos robôs, que de outra forma desligariam constantemente devido a mudanças no ambiente.

O Roomba foi um marco nos robôs domésticos, e a maioria dos robôs lançados depois copiou seu design e funcionalidade. No entanto, os robôs apresentados pela equipe de Michigan são muito mais sofisticados, capazes de pegar objetos e realizar tarefas.

Ainda estamos a alguns anos desses tipos de robôs, embora pesquisas como esta mostrem que eles definitivamente estão no pipeline.