Como um robô de alimentação assistida passou de pegar saladas de frutas para refeições inteiras

Segundo dados de 2010, cerca de 1,8 milhão de pessoas nos EUA não conseguem comer sozinhas. No entanto, treinar um robô para alimentar pessoas apresenta uma série de desafios para os pesquisadores. Os alimentos apresentam uma variedade quase infinita de formas e estados (líquidos, sólidos, gelatinosos) e cada pessoa tem um conjunto único de necessidades e preferências.

Uma equipe liderada por pesquisadores da Universidade de Washington criou um conjunto de 11 ações que um braço robótico pode realizar para pegar quase qualquer alimento que possa ser alcançado com o garfo. Nos testes com esse conjunto de ações, o robô pegou os alimentos em mais de 80% das vezes, o que é a referência especificada pelo usuário para uso doméstico. O pequeno conjunto de ações permite que o sistema aprenda a captar novos alimentos durante uma refeição.

A equipe apresentou suas descobertas em 7 de novembro na Conferência sobre Aprendizagem Robótica de 2023, em Atlanta.

UW News conversou com os co-autores Ethan K. Gordon e Amal Nanavati – estudantes de doutorado da UW na Escola Paul G. Allen de Ciência da Computação e Engenharia – e com o co-autor Taylor Kessler Faulkner, um bolsista de pós-doutorado da UW na Allen School, sobre os sucessos e desafios da alimentação assistida por robô.

O Personal Robotics Lab trabalha há vários anos com alimentação assistida por robô. Qual é o avanço deste artigo?

Ethan K. Gordon: Entrei no Laboratório Pessoal de Robótica no final de 2018, quando Siddhartha Srinivasa, professor da Allen School e autor sênior de nosso novo estudo, e sua equipe criaram a primeira iteração de seu sistema robótico para aplicações assistivas. O sistema era montado em uma cadeira de rodas e podia pegar uma variedade de frutas e vegetais em um prato. Ele foi projetado para identificar como a pessoa estava sentada e levar a comida direto à boca. Desde então, houve algumas iterações, principalmente envolvendo a identificação de uma grande variedade de alimentos no prato. Agora, o usuário com seu dispositivo auxiliar pode clicar em uma imagem do aplicativo, uma uva por exemplo, e o sistema pode identificar e captar.

Taylor Kessler Faulkner: Além disso, expandimos a interface. Quaisquer que sejam os sistemas de acessibilidade que as pessoas usam para interagir com seus telefones – principalmente navegação por controle de voz ou boca – elas podem usar para controlar o aplicativo.

EKG: Neste artigo que acabamos de apresentar, chegamos ao ponto em que podemos pegar quase tudo que um garfo pode suportar. Então não podemos pegar sopa, por exemplo. Mas o robô pode lidar com tudo, desde purê de batata ou macarrão até uma salada de frutas e uma salada de vegetais de verdade, bem como pizza pré-cortada ou um sanduíche ou pedaços de carne.

Em trabalhos anteriores com a salada de frutas, analisamos qual trajetória o robô deveria seguir caso recebesse uma imagem da comida, mas o conjunto de trajetórias que demos a ele foi bastante limitado. Estávamos apenas mudando o tom do garfo. Se você quiser pegar uma uva, por exemplo, os dentes do garfo precisam ficar retos para baixo, mas para uma banana eles precisam estar inclinados, caso contrário ele escorregará. Em seguida, trabalhamos na quantidade de força necessária para aplicar em diferentes alimentos.

Neste novo artigo, analisamos como as pessoas coletam alimentos e usamos esses dados para gerar um conjunto de trajetórias. Descobrimos um pequeno número de movimentos que as pessoas realmente usam para comer e estabelecemos 11 trajetórias. Então, em vez de apenas subir para baixo ou entrar em ângulo, ele usa movimentos de escavação ou balança dentro do alimento para aumentar a força do contato. Esse pequeno número ainda tinha cobertura para adquirir uma variedade muito maior de alimentos.

Acreditamos que o sistema está agora num ponto em que pode ser implantado para testes em pessoas fora do grupo de pesquisa. Podemos convidar um usuário para o UW, e colocar o robô em uma cadeira de rodas, se ele tiver o aparelho de montagem pronto, ou em um tripé próximo à cadeira de rodas, e correr durante uma refeição inteira.

Para vocês, como pesquisadores, quais são os desafios vitais que temos pela frente para tornar isso algo que as pessoas possam usar em suas casas todos os dias?

EKG: Até agora falamos sobre o problema de pegar a comida e há mais melhorias que podem ser feitas aqui. Depois, há todo o outro problema de levar a comida à boca de uma pessoa, bem como a forma como a pessoa interage com o robô e quanto controle a pessoa tem sobre esse sistema, pelo menos parcialmente autônomo.

TKF: Nos próximos anos, esperamos personalizar o robô para diferentes pessoas. Todo mundo come um pouco diferente. Amal fez um trabalho muito legal sobre jantares sociais que destacou como as preferências das pessoas são baseadas em muitos fatores, como sua situação social e física. Então perguntamos: como podemos obter a opinião das pessoas que comem? E como o robô pode usar esses dados para se adaptar melhor à maneira como cada pessoa deseja comer?

Amal Nanavati: Existem várias dimensões diferentes que podemos querer personalizar. Uma delas são as necessidades do usuário: o quão longe o usuário pode mover o pescoço afeta o quão perto o garfo deve chegar dele. Algumas pessoas têm força diferencial em diferentes lados da boca, então o robô pode precisar alimentá-las de um determinado lado da boca.

Há também um aspecto do ambiente físico. Os usuários já possuem um monte de tecnologias assistivas, muitas vezes montadas ao redor do rosto, se essa for a parte principal do corpo móvel. Essas tecnologias podem ser usadas para controlar a cadeira de rodas, para interagir com o telefone, etc. É claro que não queremos que o robô interfira em nenhuma dessas tecnologias assistivas ao se aproximar da boca.

Existem também considerações sociais. Por exemplo, se estou conversando com alguém ou em casa assistindo TV, não quero que o braço do robô fique bem na frente do meu rosto. Finalmente, existem preferências pessoais. Por exemplo, entre os usuários que conseguem virar um pouco a cabeça, alguns preferem que o robô venha pela frente para que possam ficar de olho no robô enquanto ele está chegando. Outros acham que isso é assustador ou perturbador e preferem ter o a mordida vem de lado.

Uma direção-chave da pesquisa é entender como podemos criar maneiras intuitivas e transparentes para o usuário personalizar o robô de acordo com suas próprias necessidades. Estamos considerando compensações entre métodos de personalização em que o usuário faz a personalização e formulários mais centrados no robô, onde, por exemplo, o robô tenta algo e diz: “Você gostou? Sim ou não?” O objetivo é entender como os usuários se sentem em relação a esses diferentes métodos de customização e quais deles resultam em trajetórias mais customizadas.

O que o público deve entender sobre a alimentação assistida por robô, tanto em geral quanto especificamente sobre o trabalho que seu laboratório está realizando?

EKG: É importante olhar não apenas para os desafios técnicos, mas também para a escala emocional do problema. Não é um pequeno número de pessoas que precisam de ajuda para comer. Existem vários números por aí, mas são mais de um milhão de pessoas nos EUA. Comer tem que acontecer todos os dias. E exigir outra pessoa toda vez que você precisar realizar esse ato íntimo e muito necessário pode fazer com que as pessoas se sintam um fardo ou constrangidas. Portanto, toda a comunidade que trabalha com dispositivos de assistência está realmente a tentar ajudar a promover um sentimento de independência nas pessoas que têm este tipo de limitações de mobilidade física.

AN: Mesmo esses números de sete dígitos não abrangem todos. Existem deficiências permanentes, como uma lesão na medula espinhal, mas também existem deficiências temporárias, como quebrar o braço. Todos nós podemos enfrentar alguma deficiência à medida que envelhecemos e queremos ter a certeza de que temos as ferramentas necessárias para garantir que todos possamos viver vidas dignas e independentes. Além disso, infelizmente, embora tecnologias como esta melhorem muito a qualidade de vida das pessoas, é incrivelmente difícil fazer com que sejam cobertas pelas companhias de seguros dos EUA. Acredito que mais pessoas sabendo sobre o potencial de melhoria da qualidade de vida abrirão um maior acesso.

Coautores adicionais do artigo foram Ramya Challa, que concluiu esta pesquisa como estudante de graduação na Allen School e agora está na Oregon State University, e Bernie Zhu, estudante de doutorado da UW na Allen School.