Robô pode descascar uma banana graças ao aprendizado de máquina

Lidar com frutas vermelhas é um desafio para os robôs, mas um sistema de aprendizado de máquina foi capaz de conquistar a tarefa imitando como uma pessoa faz isso

Por Chris Stokel-Walker

24 de março de 2022

Um robô treinado por aprendizado de máquina que imita um demonstrador humano pode descascar uma banana com sucesso sem quebrá-la em pedacinhos.

Manusear frutas macias é um desafio para os robôs, que muitas vezes carecem de destreza e toque diferenciado para processar itens sem destruí-los. A forma irregular da fruta – que pode variar significativamente mesmo com o mesmo tipo de fruta – também pode confundir os algoritmos de visão computacional que muitas vezes atuam como o cérebro de tais robôs.

Heecheol Kim, da Universidade de Tóquio, e seus colegas desenvolveram um sistema de aprendizado de máquina que alimenta um robô, que tem dois braços e mãos que se agarram entre dois "dedos".

Anúncio

Primeiro, um humano operando o robô descascou centenas de bananas, criando 811 minutos de dados de demonstração para treinar o robô a fazer isso sozinho. A tarefa foi dividida em nove etapas, desde pegar a banana até pegá-la da mesa com uma mão, pegar a ponta com a outra mão, descascar e depois mexer na banana para retirar o resto da casca.

Para movimentos amplos que provavelmente não danificam a banana, o modelo de aprendizado de máquina mapeia uma trajetória, imitando o que um humano faz sem pensar muito. Mas quando os braços são necessários para manipular a banana com precisão, o sistema muda para uma abordagem reativa, onde responde a mudanças inesperadas em seu ambiente.

Em testes, o robô conseguiu descascar uma banana com sucesso em 57% das vezes. Todo o processo leva menos de 3 minutos.

O robô descascador de banana

Heecheol Kim, Universidade de Tóquio

"O que é realmente interessante neste caso é que o processo que um humano usa foi transferido para o treinamento do sistema do robô por meio do aprendizado por imitação profunda", diz Jonathan Aitken, da Universidade de Sheffield, no Reino Unido.

Kim diz que sua abordagem é eficiente em termos de dados porque usa 13 horas de dados de treinamento em vez de centenas ou milhares de horas. "Ainda requer muitas GPUs caras [unidades de processamento gráfico], mas usando nossa estrutura, podemos reduzir a grande quantidade de computação [necessária]", diz ele.

Aitken gostaria de ver como o robô lida com as frutas mais disformes. Mas com um controle motor mais preciso, poderia funcionar ainda melhor, diz ele. A tecnologia não será simplesmente usada para bananas, no entanto: o objetivo é treinar um sistema que possa lidar de forma mais geral com tarefas que exigem habilidades motoras finas.

Referência:arxiv.org/abs/2203.09749

Tópicos:

Anúncio