Embora os roboticistas tenham conseguido fazer com que os robôs fizessem coisas impressionantes, como parkour no laboratório, tudo foi cuidadosamente planejado para acontecer em um ambiente rigidamente controlado. Ter um robô trabalhando de forma autônoma em sua casa ainda é um tanto inquietante, principalmente em lares com crianças e animais de estimação. Além disso, as casas variam em design e a disposição dos cômodos e dos objetos é ainda mais variada.
Entre os especialistas em robótica, existe um ponto de vista amplamente reconhecido conhecido como “paradoxo de Moravec”: o que é difícil para os humanos é fácil para as máquinas, e o que é fácil para os humanos é difícil para as máquinas. Mas graças à inteligência artificial (IA), isso está mudando. Os robôs estão começando a ser capazes de realizar tarefas como dobrar roupas, cozinhar e descarregar cestos de compras que não muito tempo atrás eram consideradas quase impossíveis de serem realizadas pelos robôs.
De acordo com a última edição do MIT Technology Review, a robótica como campo está num ponto de inflexão: os robôs estão saindo do laboratório e entrando em milhões de lares. A robótica está à beira do seu ponto alto.
Robôs domésticos não podem ser muito caros
No passado, os robôs eram sinônimos de caros, com modelos altamente complexos custando centenas de milhares de dólares, tornando-os inacessíveis para a maioria das famílias. Por exemplo, PR2, uma das primeiras iterações de um robô doméstico, pesava 200 kg e custava US$ 400,000 dólares.
Felizmente, uma nova geração de robôs mais baratos está surgindo gradualmente. Stretch3, um novo robô doméstico desenvolvido pela startup norte-americana HelloRobot, tem um preço muito mais razoável: US$ 24.950 e pesa 24,5 quilos. Possui uma pequena base móvel, um joystick no qual fica pendurada uma câmera, um braço ajustável e um acessório com ventosa na extremidade que pode ser operado por um controlador.
Enquanto isso, uma equipe de pesquisadores da Universidade de Stanford, nos EUA, construiu um sistema chamado MobileALOHA (Hardware de código aberto de baixo custo para operação remota), que permite que um robô aprenda a cozinhar camarão com a ajuda de apenas 20 dados, incluindo humanos. manifestações. A equipe usou componentes disponíveis no mercado para construir um robô com preço mais razoável, embora também custasse dezenas de milhares de dólares, mas modelos semelhantes anteriores poderiam facilmente custar centenas de milhares de dólares.
IA constrói um “cérebro robótico universal”
O que separa esses novos robôs de seus “predecessores” é, na verdade, seu software. Graças ao boom da IA, o foco da tecnologia está agora mudando de robôs caros que alcançam destreza física para redes neurais que constroem o “cérebro robótico universal”.
Especialistas em robótica estão usando aprendizagem profunda e redes neurais para criar sistemas “cérebros” que podem aprender com o ambiente e ajustar o comportamento do robô de acordo com as aplicações, em vez do tradicional planejamento cuidadoso e treinamento meticuloso.
No verão de 2023, o Google lançou o RT-2, um modelo de visão-verbal-ação que obtém uma compreensão geral do mundo a partir de textos e imagens on-line usados para treinamento, bem como de suas próprias interações, e traduz isso dados em ações robóticas.
O Toyota Research Institute, a Columbia University e a equipe do MIT já têm ensinado aos robôs muitas tarefas novas rapidamente com a ajuda de uma técnica de aprendizagem de IA chamada aprendizagem por imitação, bem como IA generativa. Esta abordagem impulsionará a expansão das técnicas generativas de IA do domínio do texto, imagens e vídeo para o domínio do movimento do robô.
Covariant, uma startup que surgiu da agora fechada divisão de pesquisa robótica da OpenAI, em vez disso construiu um modelo multimodal, RFM-1, que aceita dicas de texto, imagens, vídeo e comandos de robô. A IA generativa permite que os robôs entendam as instruções e gerem imagens ou vídeos relacionados a essas tarefas.
Mais dados geram robôs mais inteligentes
O poder dos grandes modelos de IA, como o GPT-4, reside no acúmulo de grandes quantidades de dados da Internet, mas isso não se aplica aos robôs, que precisam de dados coletados especificamente para eles. Eles precisam de demonstrações físicas de como abrir máquinas de lavar e geladeiras, pegar um prato ou dobrar roupas. Neste momento, estes dados são muito escassos e demoram muito tempo a recolher.
O Google Deep Mind lançou um novo programa chamado Open Source X-Embodiment Collaboration para mudar isso. No ano passado, a empresa fez parceria com cerca de 150 pesquisadores em 34 laboratórios para coletar dados de 22 robôs diferentes, incluindo o Stretch 3 da HelloRobot. O conjunto de dados resultante, a ser lançado em outubro de 2023, incluirá 527 habilidades do robô, como pegar, empurrar e em movimento.
Há também um robô chamado RT-X, para o qual os pesquisadores construíram especificamente duas versões do modelo, que pode ser executado localmente em computadores de diversos laboratórios e acessado pela web.
O modelo maior e acessível pela web foi pré-treinado com dados da Internet para desenvolver o “senso comum visual” a partir de grandes modelos de linguagem e imagem. Quando os pesquisadores executam o modelo RT-X em muitos robôs diferentes, eles descobrem que esses robôs têm 50% mais sucesso no aprendizado de habilidades do que sistemas desenvolvidos independentemente em cada laboratório.
Resumindo, são mais dados que tornam os robôs mais inteligentes.