Na maioria das vezes, os robôs que chamam a atenção nas manchetes são projetados para fazer uma coisa muito específica em um laboratório, seguido pela promessa de que isso mudará tudo de alguma forma.
Normalmente, eu simplesmente ignoro, porque temos ouvido falar de robôs dominando os humanos desde o início da ficção científica e, honestamente, nada parece realmente dar certo.
Os pesquisadores ensinaram o robô a aprender 1.000 tarefas físicas individuais em um dia, a partir de apenas uma demonstração. Também não são 1000 variações do mesmo movimento. Estamos falando de uma enorme mistura de interações de objetos comuns, como posicionamento, dobramento, inserção, aderência, objetos do mundo real e manipulações. Para robôs, isso é realmente um grande negócio.
Por que os robôs geralmente são péssimos em aprender novas técnicas
Até agora, a maioria dos robôs de aprendizagem têm sido dolorosamente lentos. Fazer com que uma máquina execute até mesmo uma tarefa simples muitas vezes requer centenas ou milhares de demonstrações repetidas, enormes conjuntos de dados e muito trabalho de bastidores por parte dos engenheiros.
É por isso que a maioria dos robôs que você vê nas fábricas são sempre iguais, na melhor das hipóteses. Eles não são adequados, porque assim que você muda imediatamente a tarefa, eles começam a apresentar rachaduras e tudo desmorona.
Mas o homem não funciona assim. Se você me mostrar como fazer algo uma vez, talvez duas, geralmente fico chateado e concluo minha tarefa.
A lacuna entre a aprendizagem humana e a aprendizagem dos robôs tornou-se um dos maiores obstáculos que impede os robôs de se tornarem verdadeiramente úteis fora de ambientes rigidamente controlados, mas este novo sistema tenta colmatar essa lacuna.
Uma nova maneira de ensinar robôs
A inovação aqui vem de um novo método de aprendizagem que essencialmente ensina os robôs a pensar mais intensamente sobre as tarefas. Em vez de memorizar todo o movimento do zero, o robô divide as ações em etapas mais simples.
Ao pegar o conhecimento de tarefas anteriores e aplicá-lo em novas, o robô consegue gerar com muito mais eficiência, que conseguiu aprender a realizar milhares de tarefas em menos de 24 horas, com apenas uma demonstração para cada.
Crucialmente, tudo isso foi feito em um robô real braço, não numa simulação concebida para produzir resultados bem sucedidos, e é em parte por isso que peguei este relatório e quero partilhá-lo com todos vocês.
O que é isso?
Quando escrevi este artigo, percebi como é difícil fazer uma reunião de laboratório de robótica para o meu público habitual, que está mais interessado no mais recente iPhone do que numa hipotética revolução robótica.
Dito isto, este desenvolvimento poderá ter implicações significativas para o ensino de robôs no futuro, impactando a todos nós.
Se os robôs puderem aprender mais rapidamente e com menos informação, tornar-se-ão mais baratos, mais flexíveis e muito mais úteis.
Com o tempo, esse tipo de aprendizado poderá trazer para casa robôs que não necessitarão de programação especializada toda vez que você quiser que eles executem uma nova tarefa, trazendo efetivamente a versão ideal. neo para a vida 1X Também pode mudar setores como saúde, logística e manufatura.
De forma mais ampla, é outro sinal de que a IA está a afastar-se dos truques partidários e a aproximar-se de sistemas que aprendem de formas mais humanas. Não mais inteligentes do que nós, mas mais próximos de quem realmente trabalhamos todos os dias.
Este desenvolvimento na robótica determina o problema que tem impedido a robótica durante décadas. Podemos estar mais perto de um futuro repleto de robôs do que jamais sonhamos há alguns anos.
Siga o TechRadar no Google Notícias e adicione-nos para encomendar a primavera para obter notícias, análises e opiniões de especialistas em seu feed. Certifique-se de clicar no botão Seguir!
E é claro que você também pode Siga o TechRadar no TikTok Receba notícias, análises, unboxings em formato de vídeo e atualizações regulares nossas whatsapp também
O melhor laptop empresarial para todos os orçamentos
