Fazendo mapas incríveis com cães-robôs

Em 2013, pesquisadores carregaram uma câmera Microsoft Kinect por casas na província japonesa de Fukushima. A luz infravermelha do dispositivo traçou os contornos dos edifícios, formando um mapa 3D aproximado. Além disso, a equipe compilou informações de uma versão inicial de um gerador de imagens de raios gama portátil, exibindo a radiação nuclear, de outra forma invisível, do acidente da Usina Nuclear de Fukushima Daiichi.

Este mês, cientistas do Laboratório Nacional Lawrence Berkeley do Departamento de Energia (Berkeley Lab) estão ensinando um cão robótico a caçar de forma inteligente material radiológico usando um conjunto independente de sensores em suas costas. É justo dizer que o mapeamento da radiação já percorreu um longo caminho.

“Pode levar muito tempo para ver melhorias na tecnologia radiológica, como os detectores de raios gama, por isso estamos definindo o que há de mais moderno aproveitando outros tipos de sensores”, disse Ren Cooper, vice-chefe do Laboratório Nuclear Aplicado do Berkeley Lab. Programa de Física (ANP). “Não se trata apenas da física nuclear – trata-se da robótica, da visão computacional, do software e de outros elementos que se unem para permitir benefícios sociais.”

Essas aplicações incluem a melhoria da segurança nuclear através da monitorização de fontes radioactivas utilizadas em centrais eléctricas, aceleradores de partículas ou em hospitais; esforços de segurança nuclear e não-proliferação; limpeza e remediação ambiental; e resposta de emergência a desastres.

Desde a época do Kinect, os pesquisadores do Berkeley Lab combinaram cada vez mais sensores para mapear a radiação. Eles integraram feeds de câmeras de vídeo, LIDAR (detecção e alcance de luz), unidades de medição inercial (como giroscópios e acelerômetros) e detectores de partículas em sistemas independentes com potência e computação integrada. Em uma técnica aparentemente simples chamada “fusão de dados de cena”, essa enorme quantidade de informações de múltiplas fontes é agrupada em uma imagem.

“O que agora somos capazes de fazer com os nossos sistemas é bastante revolucionário: estamos mapeando o mundo em três dimensões e em tempo real”, disse Kai Vetter, professor da UC Berkeley e fundador e chefe da ANP no Berkeley Lab. Ele e vários estudantes de pós-graduação colaboraram com a Agência Japonesa de Energia Atômica para mapear casas em Fukushima. “É uma forma extremamente poderosa de observar o meio ambiente e tomar decisões, porque temos essa ferramenta que pode visualizar a radiação em qualquer lugar”.

Esses sistemas já podem ser transportados manualmente em terrenos acidentados, pilotados por um drone em áreas abertas ou amarrados a um robô que pode manobrar dentro de um edifício. Agora os investigadores estão a desenvolver estas capacidades para permitir ações robóticas mais independentes, como investigar pontos críticos ou encontrar os limites de uma área de radiação.

Ensinando novos truques a um cão robótico

Amarrar um sistema de detecção de radiação a um cão robótico não é difícil. O cientista do Berkeley Lab, Brian Quiter, leva cerca de dois minutos para anexar uma plataforma de localização e mapeamento (LAMP) ao cão robótico Spot da Boston Dynamics. Integrar os dois sistemas, para que o Spot obtenha os dados de radiação e saiba fazer escolhas inteligentes, é outra história.

Um grande fator é ensinar ao cão o que são os objetos e como responder a eles, um processo em visão computacional conhecido como “segmentação semântica”.

“Se você tivesse uma fonte radioativa do outro lado de um muro, o cachorro semanticamente ignorante se aproximaria e diria: ‘Ei, esse muro é radioativo’”, disse Quiter, que também é vice-chefe da ANP. “Um cachorro semanticamente inteligente dirá: ‘Está radioativo aqui – quero ver o que há do outro lado do muro.’ Neste momento, não existe nenhum mecanismo para fazer isso. Se conseguirmos incorporar este conhecimento nos nossos algoritmos, penso que será um grande negócio. Melhorará a eficácia do mapeamento automatizado da radioactividade.”

Com esse tipo de programação, um robô autônomo poderia mapear de forma inteligente objetos contaminados e áreas para limpeza. Ou poderia caminhar por um corredor, identificar recipientes de resíduos que deveriam ter uma assinatura de radiação específica e coletar imediatamente dados adicionais para investigar quaisquer anomalias.

“Fazer boas medições leva tempo – e os robôs podem fazer boas medições”, disse Quiter. “Isso libera os inspetores ou operadores para fazer outras coisas e significa que o robô pode receber a dose de radiação em vez do humano, então todos ganham. Um robô pode receber muito mais radiação.”

O futuro dos mapas rad

O mapeamento da radiação evoluiu na última década, mas ainda existem áreas que os investigadores gostariam de melhorar. Os sistemas atuais são bons para criar mapas de quantidades relativas de radiação numa área e identificar pontos críticos, mas formar um mapa real das doses de radiação esperadas a partir de uma medição mais limitada é uma área de melhoria ativa.

“As leituras quantitativas não são uma tarefa fácil porque o mundo é muito complexo”, disse Vetter. “Com a radiação, a distância das leituras é importante, e a quantidade de blindagem no caminho é importante. Muito disso tem que ser inferido pelas medições que fazemos, mas a vantagem que temos agora é que estamos obtendo muitas informações sobre nosso ambiente usando aprendizado de máquina e visão de máquina.”

Uma abordagem é desenvolver novos algoritmos que possam incorporar ainda mais informações coletadas pelos sensores. Por exemplo, os cientistas observaram resultados iniciais promissores de novos algoritmos de imagem que podem gerar mapas usando toda a gama de energias medidas por detectores de raios gama. (Os métodos anteriores estavam vinculados a uma faixa de energia menor e mais limitada.)

Os sistemas para mapear a radiação também poderão encontrar aplicações em novas áreas no futuro. Os pesquisadores poderiam usá-los para recuperação de materiais críticos, uma forma de procurar materiais geologicamente interessantes que antigas minas estavam jogando fora porque não eram considerados valiosos na época – lítio para carros elétricos, por exemplo.

“Esse é um problema muito grande e que esperamos poder ajudar a resolver”, disse Quiter.

O mapeamento da radiação também poderia ajudar as equipes a encontrar alguns dos milhões de minas terrestres enterradas em todo o mundo. Embora as minas terrestres não sejam radioativas, os pesquisadores estão investigando como uma técnica chamada “sondagem ativa” usando nêutrons pode fazer com que as minas terrestres emitam raios gama que poderiam então detectar. Vetter também pode imaginar o uso da tecnologia para monitorar a saúde de espaçonaves e astronautas em viagens mais longas, onde são expostos à radiação cósmica.

“É emocionante onde estamos hoje, com este enorme avanço em tecnologias que nos permite mapear o mundo em tempo real”, disse Vetter. “Mas também é emocionante ver o que ainda há para fazer e o que virá no futuro.”

A fusão de dados de cena foi recentemente mencionada no Plano de Longo Alcance para Física Nuclear de 2023, divulgado pelo Comitê Consultivo de Ciência Nuclear do Departamento de Energia, como um exemplo de aplicação em ciência nuclear.