Novo robô de braço duplo realiza tarefas bimanuais aprendendo com simulação

Um robô bimanual inovador exibe sensibilidade tátil próxima à destreza de nível humano, usando IA para informar suas ações.

O novo sistema Bi-Touch, concebido por cientistas da Universidade de Bristol e baseado no Laboratório de Robótica de Bristol, permite aos robôs realizar tarefas manuais, detectando o que fazer a partir de um ajudante digital.

As descobertas, publicadas em Cartas de Robótica e Automação IEEEmostram como um agente de IA interpreta seu ambiente por meio de feedback tátil e proprioceptivo e, em seguida, controla os comportamentos dos robôs, permitindo detecção precisa, interação suave e manipulação eficaz de objetos para realizar tarefas robóticas.

Este desenvolvimento poderia revolucionar indústrias como a colheita de frutas, serviços domésticos e, eventualmente, recriar o toque em membros artificiais.

O autor principal, Yijiong Lin, da Faculdade de Engenharia, explicou: “Com nosso sistema Bi-Touch, podemos treinar facilmente agentes de IA em um mundo virtual em algumas horas para realizar tarefas bimanuais adaptadas ao toque. E, mais importante, nós podemos aplicar diretamente esses agentes do mundo virtual para o mundo real sem treinamento adicional.”

“O agente bimanual tátil pode resolver tarefas mesmo sob perturbações inesperadas e manipular objetos delicados de maneira suave.”

A manipulação bimanual com feedback tátil será fundamental para a destreza do robô em nível humano. No entanto, este tópico é menos explorado do que as configurações de braço único, em parte devido à disponibilidade de hardware adequado, juntamente com a complexidade de projetar controladores eficazes para tarefas com espaços de ação de estado relativamente grandes. A equipe conseguiu desenvolver um sistema robótico tátil de braço duplo usando avanços recentes em IA e detecção tátil robótica.

Os pesquisadores construíram um mundo virtual (simulação) que continha dois braços robóticos equipados com sensores táteis. Eles então projetaram funções de recompensa e um mecanismo de atualização de metas que poderia encorajar os agentes robôs a aprender a realizar as tarefas bimanuais e desenvolveram um sistema robótico tátil de braço duplo do mundo real ao qual eles poderiam aplicar diretamente o agente.

O robô aprende habilidades bimanuais por meio do Deep Reinforcement Learning (Deep-RL), uma das técnicas mais avançadas na área de aprendizagem de robôs. Ele foi projetado para ensinar robôs a fazer coisas, permitindo-lhes aprender por tentativa e erro, semelhante ao treinamento de um cão com recompensas e punições.

Para a manipulação robótica, o robô aprende a tomar decisões tentando vários comportamentos para realizar tarefas designadas, por exemplo, levantar objetos sem deixá-los cair ou quebrá-los. Quando tem sucesso, recebe uma recompensa e, quando falha, aprende o que não fazer.

Com o tempo, ele descobre as melhores maneiras de pegar coisas usando essas recompensas e punições. O agente de IA é visualmente cego e depende apenas do feedback proprioceptivo – a capacidade do corpo de sentir movimento, ação e localização e feedback tátil.

Eles foram capazes de permitir que o robô de braço duplo levantasse com segurança itens tão frágeis quanto uma única batata frita Pringle.

O co-autor Professor Nathan Lepora acrescentou: “Nosso sistema Bi-Touch apresenta uma abordagem promissora com software e hardware acessíveis para aprender comportamentos bimanuais com toque em simulação, que pode ser aplicado diretamente ao mundo real. Nossa simulação de robô tátil de braço duplo desenvolvida permite pesquisas adicionais sobre tarefas mais diferentes, pois o código será de código aberto, o que é ideal para o desenvolvimento de outras tarefas posteriores.”

Yijiong concluiu: “Nosso sistema Bi-Touch permite que um robô tátil de braço duplo aprenda muito com a simulação e realize várias tarefas de manipulação de maneira suave no mundo real.”

“E agora podemos treinar facilmente agentes de IA em um mundo virtual em algumas horas para realizar tarefas bimanuais adaptadas ao toque.”