Melhorar a autoconsciência de um robô, dando-lhe propriocepção

Uma dupla de roboticistas do Instituto de Robótica e Inteligência de Máquinas de Munique (MIRMI), da Universidade Técnica de Munique, na Alemanha, descobriu que é possível dar aos robôs algum grau de propriocepção usando técnicas de aprendizado de máquina. Em seu estudo relatado na revista Robótica CientíficaFernando Díaz Ledezma e Sami Haddadin desenvolveram uma nova abordagem de aprendizado de máquina para permitir que um robô aprenda as especificidades de seu corpo.

Dar aos robôs a capacidade de se movimentarem no mundo real envolve equipá-los com tecnologia como câmeras e sensores de pressão – os dados desses dispositivos são então processados ​​e usados ​​para direcionar as pernas e/ou pés para realizar ações apropriadas. Isto é muito diferente da forma como os animais, incluindo os humanos, realizam o trabalho.

No caso dos animais, o cérebro está consciente do estado do seu corpo – sabe onde estão as mãos e as pernas, como funcionam e como podem ser usadas para se movimentar ou interagir com o ambiente. Esse conhecimento é conhecido como propriocepção. Neste novo esforço, os pesquisadores conferiram habilidades semelhantes aos robôs usando técnicas de aprendizado de máquina.

A ideia por trás de seu sistema é adicionar sensores ao corpo que forneçam feedback sobre partes individuais do corpo. Por exemplo, os sensores sabem onde está o joelho, para que lado ele se dobra e o grau de flexão em um determinado momento. Os pesquisadores descobriram que a sobreposição entre os sensores e os dados que eles enviam para um processador central permite uma maior consciência geral do estado do corpo.

Eles também descobriram que um robô poderia, até certo ponto, aprender a compreender seu corpo sem dados pré-aprendidos – em vez disso, eles simplesmente instigam o que descrevem como “balbucio motor” – onde todos os servomotores usados ​​para alimentar um robô são acionados. aleatório ao mesmo tempo. Isso permite que o robô comece a construir uma base de informações que pode ser usada para aprender como suas peças funcionam.

Os pesquisadores então testaram sua abordagem em vários tipos de robôs, incluindo um robô-aranha de seis pernas, um humanóide e um braço. Eles descobriram que sua abordagem permitiu que todos os tipos de robôs testados desenvolvessem alguma noção de seus próprios corpos, de suas partes e de como trabalhavam juntos.

© 2023 Science X Network