Sumário
Um cachorro robô treinado em uma simulação de computador pode transferir seu conhecimento para a realidade. Não só isso: ele roda mais rápido e dinamicamente do que robôs programados por humanos.
o habilidades motoras impressionantes demonstrações do fabricante de robôs Boston Dynamics geram milhões de cliques na Internet. Com razão, justamente porque são impressionantes. Mas eles são principalmente um reflexo da engenharia humana e das habilidades de programação. Os movimentos de Spot, Atlas and Co. são em sua maioria controlados remotamente ou programados manualmente. Isso é uma quantidade enorme de trabalho.
Cachorro robô aprende a andar em simulação
Pesquisadores do MIT estão agora demonstrando a superioridade dos movimentos robóticos aprendidos por máquinas em comparação com os projetados por humanos. O mini cão robô Cheetah 3 é treinado do zero por meio de tentativa e erro em uma simulação de computador em muitos ambientes.
Cheetah pode se lembrar do conhecimento motor aprendido na simulação na vida real. Além de novas altas velocidades de até quase 3,9 m/s e enorme agilidade, demonstra também um talento especial para a movimentação em terrenos difíceis.
Cheetah se move com muito mais segurança e dinamismo no cascalho, por exemplo, mesmo quando está descendo e escorregando constantemente nas pequenas pedras. Mesmo um pedaço de gelo na estrada não desanima o mini cão robô. Segundo os pesquisadores, a velocidade máxima é um recorde do robô.
Para excluir o máximo possível o envolvimento humano no processo de treinamento, os pesquisadores contam com os chamados aprendizagem por reforço sem modelo. O robô começa a aprender movimentos na simulação sem nenhum conhecimento ou regras humanas prévias. Usando um método de tentativa e erro, ele cria seu próprio modelo, que expande e otimiza continuamente.
A máquina supera os humanos – e torna os movimentos do robô mais escaláveis
O treinamento extensivo de simulação significa que os humanos não precisam mais dizer ao robô como se comportar em todas as situações. Cheetah já traz uma ampla gama de experiências de terreno para a mesa, mesmo antes de dar seu primeiro passo em um ambiente do mundo real.
Segundo os pesquisadores, Cheetah pode aprender o equivalente a 100 dias de conhecimento motor experimental em terrenos difíceis em apenas três horas de treinamento de simulação. No mundo real, o controlador integrado ao robô reconhece as habilidades aprendidas na simulação para situações específicas e as executa em tempo real.
“No coração de inteligência artificial a pesquisa é a troca entre o que o ser humano precisa construir na (natureza) e o que a máquina pode aprender por conta própria (criar)”, escrevem os pesquisadores. Tradicionalmente, os humanos forneceriam muita orientação, mas esse processo não é escalável porque é muito complexo, dizem eles.
“Uma maneira mais prática de construir um robô com muitas habilidades diversas é dizer ao robô o que fazer e deixá-lo descobrir como. Nosso sistema é um exemplo disso.”
Os pesquisadores dizem que já estão aplicando a abordagem de aprendizado sem modelo em uma simulação para outros sistemas robóticos, incluindo uma mão que pode pegar e manipular objetos diferentes.
Leia mais sobre Inteligência Artificial:
- Treinamento de IA: a inteligência artificial se torna mais flexível
- Inteligência artificial para pilotar caças americanos em 2024
- Hiperredes: a inteligência artificial constrói-se a si própria