Mais e mais tarefas industriais estão sendo realizadas por robôs, mas os operadores humanos ainda são necessários para as ações de manipulação mais complexas, como manuseio e processamento de produtos alimentícios.

“Se nosso objetivo é automatizar algumas ou todas essas tarefas na indústria de alimentos, ou em outras áreas, temos que equipar os robôs com novos conhecimentos por meio do aprendizado. Eles têm que aprender as chamadas habilidades suaves primeiro para que sejam capazes de executar operações no mesmo nível que os humanos no futuro, "explicou Ekrem Misimi, que é um pesquisador SINTEF desenvolvendo tecnologia de aprendizagem de robôs como parte do projeto iProcess.

A fim de ensinar aos robôs essas habilidades complexas de manipulação, uma combinação de aprendizado visual e tátil é necessária. Em outras palavras, eles devem aprender a ver e sentir simultaneamente.

O aprendizado do robô também pode ser útil em uma escala maior, particularmente agora, durante a pandemia, quando muitas pessoas precisam trabalhar em casa ou são incapazes de trabalhar em suas fábricas devido ao risco de infecção:

"Para a sociedade, a produção, colheita, o manuseio e preparação de produtos alimentícios são funções cruciais. Nossa tecnologia visa garantir uma linha de produção totalmente automatizada, baseado em robôs inteligentes. Essencialmente, a tecnologia de robôs inteligentes pode nos preparar melhor como sociedade para enfrentar os tempos difíceis, e agilizar a produção e criação de valor em tempos bons, "disse Misimi.

As possibilidades são infinitas

A interação entre um robô e objetos que são macios, frágil, flexível ou maleável é um dos maiores desafios da robótica hoje, já que esses tipos de objetos podem facilmente mudar sua forma e forma quando manuseados. É fácil para os operadores humanos compensar essas mudanças em tempo real, mas os robôs requerem sensores visuais e táteis avançados para fazer o mesmo.

Portanto, o robô recebe "olhos" artificiais na forma de visão 3-D, um "cérebro" artificial de inteligência artificial, e "mãos" sensíveis que dependem de força e sensação tátil.

"Essas qualidades permitem que os robôs desenvolvam uma inteligência específica para a tarefa que é boa o suficiente para que façam o trabalho automaticamente, "explicou Misimi.

Aprendendo tarefas complexas usando exemplos simples

Apesar de sua capacidade de aprendizagem, um robô é, em última análise, uma máquina. Portanto, deve primeiro obter conhecimento sobre as tarefas que deve completar por meio de detecção e aprendizagem, em interação com humanos ou por si mesma.

"Nosso objetivo é fazer com que o robô aprenda a realizar tarefas de manipulação complexas do mundo real a partir de exemplos simples, "disse Misimi.

Portanto, o projeto iProcess desenvolveu dois métodos de aprendizagem de robôs. O primeiro é "aprender com a demonstração" (LfD), em que o robô aprende a agarrar alimentos macios por meio de uma combinação de detecção visual e tátil. O segundo é "aprender com a autoexploração", em que o robô usa inteligência artificial para aprender a tarefa por conta própria em um ambiente simulado antes de finalmente ser implantado no mundo real, sem qualquer ajuste fino adicional. O projeto gerou muitas atribuições interessantes para alunos de graduação da NTNU estudando inteligência artificial e robótica.

"Um desafio típico na aprendizagem de robôs é que o operador humano, ou melhor, o professor, demonstra a tarefa incorretamente para o robô. Portanto, desenvolvemos uma estratégia de aprendizagem que se baseia exclusivamente nas melhores demonstrações, e automaticamente desconsidera os pobres, que são inconsistentes com a política pretendida pelo professor. A estratégia de aprendizagem usa imagens 3-D para o posicionamento correto da garra do robô e detecção tátil para o manuseio suave e agarrar os objetos, "explicou Misimi.

"O que é particularmente interessante sobre aprender com a autoexploração é que o robô nunca viu um filé de salmão antes, seja em um ambiente simulado ou real. Mas ainda consegue generalizar no mundo real para lidar com o novo, objetos desconhecidos, " ele adicionou.

Quando o robô aprende desta forma, o tempo de aprendizagem é reduzido consideravelmente, e o robô pode ser usado para lidar com vários produtos alimentícios, ou objetos semelhantes, sem qualquer programação adicional.

A pesquisa sobre LfD foi publicada em "Robotic Handling of Compliant Food Objects por Robust Learning from Demonstration", que foi apresentado na Conferência Internacional sobre Robôs e Sistemas Inteligentes, enquanto o artigo sobre aprendizagem por autoexploração foi aceito para a próxima Conferência Internacional sobre Robótica e Automação (ICRA) 2020 *.

Ensinando novos truques a um robô antigo

Eles dizem que você não pode ensinar novos truques a um cachorro velho, mas os robôs podem ser treinados para muitas tarefas de manuseio diferentes, desde segurar objetos fixos e móveis até a realização de tarefas de manipulação mais complexas que exigem maior destreza, como manipular objetos em movimento.

"A tarefa pode ser qualquer coisa que envolva cortar ou agarrar objetos que precisam ser manuseados com cuidado. Seja um filé de peixe ou alface, o robô deve ser delicado o suficiente para não danificar os produtos, mas ainda faz o trabalho, "disse Misimi.

Importante para a indústria alimentícia

A nova tecnologia será importante para a indústria de alimentos norueguesa e qualquer outra indústria que se beneficiaria do manuseio robótico de objetos flexíveis e maleáveis ​​e que seja totalmente dependente da automação para reter a criação de valor na Noruega.

“Este projeto é um marco na concretização dessa visão. A tecnologia robótica será capaz de aumentar a competitividade e a lucratividade e possibilitará que uma proporção maior de matéria-prima alimentar seja processada na Noruega. Isso pode contribuir para aumentar a qualidade dos produtos e reduzir os alimentos resíduos. Além disso, isso vai beneficiar o meio ambiente, já que as matérias-primas não terão que ser transportadas para o exterior para refinamento, como muitas vezes deve ser feito hoje, "disse Misimi.