Novo método de simulação permite que robôs detectem com precisão as propriedades dos objetos

Instituto de Tecnologia de Massachusetts, Cambridge, MA
Com um novo método de simulação, os robôs podem adivinhar o peso, a suavidade e outras propriedades físicas de um objeto apenas pegando-o. (Imagem:Notícias do MIT/iStock)
Um ser humano que retira lixo de um sótão pode muitas vezes adivinhar o conteúdo de uma caixa simplesmente pegando-a e sacudindo-a, sem a necessidade de ver o que há dentro. Pesquisadores do MIT, da Amazon Robotics e da Universidade da Colúmbia Britânica ensinaram robôs a fazer algo semelhante.

Eles desenvolveram uma técnica que permite aos robôs usar apenas sensores internos para aprender sobre o peso, a suavidade ou o conteúdo de um objeto, pegando-o e sacudindo-o suavemente. Com seu método, que não requer ferramentas de medição externas ou câmeras, o robô pode adivinhar com precisão parâmetros como a massa de um objeto em questão de segundos.

Esta técnica de baixo custo pode ser especialmente útil em aplicações onde as câmeras podem ser menos eficazes, como separar objetos em um porão escuro ou limpar escombros dentro de um edifício que desabou parcialmente após um terremoto.

A chave para sua abordagem é um processo de simulação que incorpora modelos do robô e do objeto para identificar rapidamente as características desse objeto à medida que o robô interage com ele.

A técnica dos pesquisadores é tão boa para adivinhar a massa de um objeto quanto alguns métodos mais complexos e caros que incorporam visão computacional. Além disso, sua abordagem eficiente em termos de dados é robusta o suficiente para lidar com muitos tipos de cenários invisíveis.

"Esta ideia é geral, e acredito que estamos apenas a arranhar a superfície do que um robô pode aprender desta forma. O meu sonho seria que os robôs saíssem pelo mundo, tocassem e movessem coisas nos seus ambientes, e descobrissem sozinhos as propriedades de tudo com que interagem", disse Peter Yichen Chen, pós-doutorando no MIT e principal autor de um artigo sobre esta técnica.

O método da equipe de pesquisa aproveita a propriocepção, que é a capacidade de um ser humano ou de um robô de sentir seu movimento ou posição no espaço. Por exemplo, um ser humano que levanta um haltere na academia pode sentir o peso desse haltere no pulso e no bíceps, mesmo que esteja segurando o haltere na mão. Da mesma forma, um robô pode “sentir” o peso de um objeto através das múltiplas articulações do seu braço.

"Um ser humano não tem medições superprecisas dos ângulos articulares dos nossos dedos ou da quantidade precisa de torque que aplicamos a um objeto, mas um robô tem. Aproveitamos essas habilidades", disse o co-autor Chao Liu, que é pós-doutorado no MIT.

À medida que o robô levanta um objeto, o sistema dos pesquisadores coleta sinais dos codificadores articulares do robô, que são sensores que detectam a posição rotacional e a velocidade de suas articulações durante o movimento.

A maioria dos robôs possui codificadores articulados nos motores que acionam suas partes móveis, acrescentou Liu. Isso torna sua técnica mais econômica do que algumas abordagens, porque não precisa de componentes extras, como sensores táteis ou sistemas de rastreamento visual.

Para estimar as propriedades de um objeto durante as interações robô-objeto, seu sistema se baseia em dois modelos:um que simula o robô e seu movimento e outro que simula a dinâmica do objeto. “Ter um gêmeo digital preciso do mundo real é muito importante para o sucesso do nosso método”, acrescentou Chen.

Seu algoritmo “observa” o movimento do robô e do objeto durante uma interação física e usa dados do codificador conjunto para trabalhar de trás para frente e identificar as propriedades do objeto. Por exemplo, um objeto mais pesado se moverá mais lentamente do que um objeto leve se o robô aplicar a mesma quantidade de força.

Eles utilizam uma técnica chamada simulação diferenciável, que permite ao algoritmo prever como pequenas mudanças nas propriedades de um objeto, como massa ou suavidade, impactam a posição final da articulação do robô. Os pesquisadores construíram suas simulações usando a biblioteca Warp da NVIDIA, uma ferramenta de desenvolvedor de código aberto que oferece suporte a simulações diferenciáveis.

Uma vez que a simulação diferenciável corresponda aos movimentos reais do robô, o sistema identificou a propriedade correta. O algoritmo pode fazer isso em questão de segundos e só precisa ver uma trajetória real do robô em movimento para realizar os cálculos.

“Tecnicamente, desde que você conheça o modelo do objeto e como o robô pode aplicar força a esse objeto, você deverá ser capaz de descobrir o parâmetro que deseja identificar”, disse Liu. Os pesquisadores usaram seu método para aprender a massa e a suavidade de um objeto, mas sua técnica também poderia determinar propriedades como o momento de inércia ou a viscosidade de um fluido dentro de um recipiente.

Além disso, como seu algoritmo não precisa de um extenso conjunto de dados para treinamento, como alguns métodos que dependem de visão computacional ou sensores externos, ele não seria tão suscetível a falhas quando confrontado com ambientes invisíveis ou novos objetos.

No futuro, os pesquisadores querem tentar combinar seu método com a visão computacional para criar uma técnica de detecção multimodal que seja ainda mais poderosa.

"Este trabalho não tenta substituir a visão computacional. Ambos os métodos têm seus prós e contras. Mas aqui mostramos que sem uma câmera já podemos descobrir algumas dessas propriedades", disse Chen.

Eles também querem explorar aplicações com sistemas robóticos mais complicados, como robôs macios, e objetos mais complexos, incluindo líquidos agitados ou meios granulares como areia. No longo prazo, eles esperam aplicar esta técnica para melhorar a aprendizagem dos robôs, permitindo que futuros robôs desenvolvam rapidamente novas habilidades de manipulação e se adaptem às mudanças em seus ambientes.

Para mais informações, entre em contato com Melanie Grados em Este endereço de e-mail está protegido contra spambots. Você precisa ter o JavaScript habilitado para visualizá-lo.; 617-253-1682.