De acordo com uma pesquisa divulgada pelo U.S. Census Bureau, cerca de 12,3 milhões de americanos precisam de assistência com atividades de vida diária (AVDs) ou atividades instrumentais de vida diária (AIVDs), um dos quais está se alimentando. Os robôs podem ser de grande ajuda para pessoas afetadas por deficiências graves, permitindo que eles façam refeições e completem outras tarefas diárias sem depender da ajuda constante de outros seres humanos.

Com isso em mente, uma equipe de pesquisadores liderada pelo Prof. Siddhartha Srinivasa no Laboratório de Robótica Pessoal da Universidade de Washington tem tentado desenvolver um sistema de alimentação assistido por robô que pode automaticamente pegar comida de pratos e alimentá-la para usuários humanos. Em um artigo recente pré-publicado no arXiv, os pesquisadores introduziram uma estrutura de aquisição de mordidas projetada para calcular e obter "mordidas" razoáveis ​​de um prato ou tigela.

"Como um laboratório, somos apaixonados pelo desenvolvimento de robôs que possam ajudar as pessoas no dia a dia, "Tapomayukh Bhattacharjee, um dos pesquisadores que realizou o estudo, disse TechXplore. “Através deste projeto, queremos desenvolver robôs que possam alimentar pessoas de forma autônoma. Para alimentar as pessoas com uma grande variedade de alimentos, um robô precisa ter a capacidade de adquirir itens alimentares nunca antes vistos. Nesse artigo, nos concentramos no problema de aquisição de mordidas de itens alimentares nunca antes vistos. "

Um desafio importante ao desenvolver sistemas de alimentação assistida por robôs é garantir que esses robôs possam coletar efetivamente todos os tipos de alimentos que encontram. Isso pode ser difícil de conseguir, já que diferentes itens alimentares têm uma variedade de propriedades físicas e, portanto, requerem diferentes estratégias de aquisição. Idealmente, um sistema de alimentação assistido por robô deve ser capaz de pegar qualquer item alimentar em um prato, mesmo que nunca o tenha encontrado antes.

Para entender melhor quais estratégias de aquisição funcionam melhor para determinados tipos de alimentos, Bhattacharjee e seus colegas coletaram dados de 2.450 testes de aquisição de mordidas de robôs usando 16 itens alimentares com propriedades variadas. Quando eles analisaram esses dados, eles perceberam que itens com propriedades físicas semelhantes exibem taxas de sucesso de aquisição semelhantes, o que torna mais fácil generalizar uma estratégia de aquisição para itens nunca antes vistos. Suas análises também ofereceram uma visão sobre como outros fatores (por exemplo, o ambiente em torno da comida, passo do garfo, ângulo do garfo, etc.) pode afetar o sucesso de um robô em pegar um pedaço de comida de um prato.

Com base nessas observações, os pesquisadores desenvolveram uma estrutura de aquisição de mordida que usa duas redes neurais distintas em uma estrutura hierárquica. A primeira rede, chamado RetinaNet, analisa imagens de pratos completos contendo diferentes tipos de alimentos e, em seguida, produz caixas delimitadoras em torno de itens individuais. A segunda rede, SPANet, usa essas caixas delimitadoras para calcular a probabilidade de sucesso para diferentes ações de aquisição de mordida e o eixo de espeto para cada item alimentar.

"Para gerar a probabilidade de sucesso, O SPANet também usa recursos relacionados ao ambiente ao redor de um item alimentar, como descobrimos que o ambiente circundante afeta a escolha de ações de um robô, bem como a taxa de sucesso, "Bhattacharjee explicou." Para codificar os recursos do ambiente, desenvolvemos um classificador de ambiente que identifica os itens como estando em um dos três ambientes:isolado, perto de uma borda de prato ou outro item alimentar, ou em cima de outros itens alimentares. "

Os pesquisadores aplicaram sua estrutura a um braço robótico JACO e avaliaram seu desempenho em uma série de experimentos em pratos desordenados e desordenados contendo vários itens alimentares. Esses testes produziram resultados muito promissores, com seu método generalizando com sucesso estratégias de espeto em itens alimentícios nunca antes vistos.

"Nossa rede, SPANet, poderia generalizar com sucesso as ações para itens alimentares previamente invisíveis com distribuições de ação de aquisição de mordida semelhantes, "Bhattacharjee disse." Praticamente, isso significa que dado um novo item alimentar que o robô não viu antes, nossa rede deve ser capaz de inferir como adquiri-lo com sucesso de um prato / tigela se o novo alimento puder ser adquirido por ações semelhantes. "

No futuro, a estrutura de aquisição de mordida desenvolvida por Bhattacharjee e seus colegas poderia ajudar no desenvolvimento de sistemas de alimentação assistida por robôs mais eficientes. Enquanto isso, os pesquisadores planejam estender as ações de aquisição de mordida de sua abordagem, pois isso permitiria que robôs movidos por sua estrutura pegassem uma variedade ainda maior de alimentos, incluindo itens como arroz e purê de batata.

"Também estamos interessados ​​em explorar maneiras de adquirir alimentos nunca antes vistos, que exigem ações muito diferentes para recolhê-los em comparação com o que o robô viu antes, "Bhattacharjee disse.

© 2019 Science X Network