Pode esquecer todos os robôs com inteligência artificial que você já ouviu falar, agora você vai conhecer um robô que aprendeu a andar sozinho!
Na verdade, esse robô com inteligência artificial é um par de pernas que foi ensinado a andar usando o aprendizado por reforço (reinforced learning)!
Robô com Inteligência Artificial: Aprendizado por Reforço
O aprendizado por reforço é uma técnica de treinamento de inteligência artificial que ensina comportamentos complexos por tentativa e erro, de modo a definir a melhor sequência de ações a serem tomadas baseado em penalidades e recompensas recebidas por cada ação. O que a máquina tenta fazer é aumentar a quantidade de recompensas.
Foi com base nisso que surgiu a Cassie: um robô com inteligência artificial de duas pernas que aprendeu uma série de movimentos do zero, incluindo andar agachado e carregar uma caixa.
O que um robô com inteligência artificial pode fazer?
As expectativas sobre o que os robôs podem fazer aumentaram graças aos vídeos divulgados pela Boston Dynamics, que mostravam seu robô humanoide, chamado Atlas, de pé, em uma perna só, pulando sobre caixas e dançando. Os vídeos realmente são incríveis.
Veja esse vídeo do Atlas:
Esses vídeos acumularam milhões de visualizações, pois Atlas tem enorme controle sobre seus movimentos e suas sequências coreografadas são incríveis.
Infelizmente, a Boston Dynamics não publicou detalhes do projeto e sobre a programação, então é difícil dizer o quanto de tecnologia está envolvida nesse projeto de robô com inteligência artificial.
Um dos criadores de Cassie diz que ainda temos um longo caminho a percorrer para que robôs com inteligência artificial humanóides operem e vivam de forma confiável em ambientes humanos.
Cassie ainda não sabe dançar, mas o fato de ser possível ensinar um robô de tamanho humano a andar sozinho o coloca vários passos mais perto de ser capaz de lidar com uma variedade de terrenos e se recuperar quando tropeçar ou se danificar.
Limitações virtuais
O aprendizado por reforço tem sido usado para treinar muitos robôs com inteligência artificial a andar por simulações, mas transferir essa habilidade para o mundo real é difícil.
Pequenas diferenças entre as leis físicas simuladas dentro de um ambiente virtual e as leis físicas reais fora desse ambiente virtual podem levar a grandes falhas quando um robô tenta aplicar o que aprendeu, exemplos são: a forma, o atrito entre os pés de um robô e o solo entre outros.
Por causa disso, um robô pesado de duas pernas pode perder o equilíbrio e cair caso seus movimentos sejam um pouco desviados.
Simulação dupla
Treinar um grande robô com inteligência artificial por tentativa e erro no mundo real seria perigoso. Para contornar esses problemas, a equipe de Berkeley, criadora de Cassie, usou dois níveis de ambiente virtual.
Primeiro, uma versão simulada de Cassie aprendeu a andar com base em um grande banco de dados existente de movimentos de robôs com inteligência artificial.
Essa simulação foi então transferida para um segundo ambiente virtual chamado SimMechanics que espelha a física do mundo real com um alto grau de precisão, mas com um custo na velocidade de execução. Apenas quando Cassie parecia andar bem, o modelo de caminhada erudito foi carregado no robô real.
E adivinha: a verdadeira Cassie era capaz de andar usando o modelo aprendido na simulação sem nenhum ajuste fino extra.
Ela pode andar por terrenos acidentados e escorregadios, carregar cargas inesperadas e recuperar o equilíbrio após ser empurrado.
Durante os primeiros testes, o robô com inteligência artificial danificou dois motores em sua perna direita, mas foi capaz de ajustar seus movimentos para compensar.
A equipe de Berkeley espera adicionar mais movimentos ao repertório de Cassie, e fazer a Cassie dançar já está na lista de tarefas!
