Pesquisadores em todo o mundo agora estão treinando agentes robóticos para ajudar os humanos em uma variedade de tarefas manuais, incluindo cozinhar e mover objetos. Embora muitos desses robôs tenham alcançado resultados promissores, a maioria deles ainda é incapaz de completar as tarefas atribuídas a eles tão rapidamente quanto um ser humano faria.

Por exemplo, a maioria dos robôs treinados para buscar objetos e carregá-los para os humanos são bastante lentos para atender às solicitações dos usuários, o que os torna difíceis de implantar em grande escala. Isso ocorre principalmente porque treinar agentes artificiais em tarefas de manipulação pode ser muito desafiador, como essas tarefas tendem a envolver percepção e planejamento, que juntos podem evitar colisões enquanto o robô está se movendo em seu ambiente circundante.

Pesquisadores do Instituto Avançado de Ciência e Tecnologia da Coreia (KAIST) criaram recentemente o M-Hubo, um robô humanóide com rodas que completa tarefas diárias simples mais rápido do que outros robôs desenvolvidos anteriormente. O novo robô, apresentado em um artigo pré-publicado no arXiv, pode ser particularmente útil para ajudar os idosos e pessoas que têm dificuldade para andar pela casa ou realizar tarefas básicas de forma independente.

"Desenvolvemos um novo, sistema de mordomo robótico totalmente autônomo para um humanóide com rodas, "os pesquisadores escreveram em seu artigo." Neste trabalho, nos concentramos em uma aplicação específica para o robô de serviço:buscar e servir bebidas em velocidades semelhantes às humanas em um ambiente interno estático. "

Para buscar com sucesso um determinado objeto e entregá-lo a um usuário humano, robôs de serviço precisam primeiro ser capazes de sentir o que está acontecendo em seu ambiente circundante em tempo real, gerando trajetórias de movimento que evitam colisões com objetos próximos. Isso pode ser muito difícil de conseguir, particularmente em situações onde o ambiente é dinâmico (ou seja, mudando continuamente) ou quando sua estrutura é desconhecida do robô.

Para enfrentar este desafio, o grupo de pesquisa da KAIST desenvolveu uma nova estratégia de design que envolve a integração de um pipeline de detecção de objetos 3-D com um planejador de manipulação cinematicamente ideal. Esta estratégia única foi encontrada para diminuir a quantidade de tempo necessária pelo robô M-Hubo para buscar uma bebida para um usuário humano, aumentando a velocidade com que processava informações sobre seus arredores e trajetórias planejadas.

"O sistema proposto funcionou a 24 por cento da velocidade que um ser humano precisa para cumprir a mesma tarefa, "os pesquisadores escreveram em seu artigo." O sistema demonstrou uma alta taxa de sucesso de 90 por cento em nossa configuração de ambiente, mas refletiu um desempenho reduzido de 80 por cento de taxa de sucesso em uma exibição pública mais dinâmica devido às variações ambientais durante o tempo de execução. "

Os pesquisadores da KAIST recentemente avaliaram e exibiram seu sistema robótico de mordomo em uma exposição pública. No futuro, a estratégia de design no núcleo do M-Hubo pode informar o desenvolvimento de novos robôs de serviço que podem concluir tarefas simples com mais rapidez e eficiência. Além disso, uma vez que é aperfeiçoado, M-Hubo pode revelar-se uma ferramenta particularmente útil para fornecer assistência básica aos idosos, bem como outros indivíduos com mobilidade limitada.

Em seus próximos estudos, os pesquisadores gostariam de adicionar um componente de localização ao robô, pois isso permitiria buscar objetos rapidamente em ambientes estáticos e dinâmicos. Para conseguir isso, eles precisariam equipar o robô com uma ferramenta para planejamento de caminho dinâmico e um planejador de tarefas de alto nível, substituindo a máquina de estado finito simples (FSM) que eles usaram na versão demo do M-Hubo.

"Além disso, estratégias de aprendizagem podem ser utilizadas no futuro para reduzir falhas, incertezas, e estados inseguros, para aumentar a taxa de sucesso, "escreveram os pesquisadores." Por último, o tempo de execução geral pode ser reduzido ainda mais, mesmo em ambientes dinâmicos, incorporando planejadores de movimento de amostragem mais rápidos. "

© 2020 Science X Network