O modelo computacional corresponde aos humanos na previsão de como os objetos se movem

> Foi desenvolvido um novo modelo de computador que pode corresponder à capacidade humana de prever como os objetos se moverão. O modelo poderá ser usado para melhorar a segurança de carros autônomos e outros sistemas autônomos, bem como para simular objetos em videogames e filmes.

> Os humanos prevêem o movimento dos objetos com base no conhecimento visual e físico, bem como no bom senso. O modelo computacional, desenvolvido por pesquisadores da Universidade de Stanford, combina aprendizado de máquina e simulação baseada na física para alcançar um desempenho semelhante ao humano em uma série de tarefas, incluindo prever como uma bola irá quicar em uma mesa ou como um líquido fluirá para um copo. .

> "Nosso modelo pode simular o mundo ao nosso redor de uma forma intuitiva para os humanos", disse Peter Abbeel, professor de ciência da computação em Stanford e diretor do Laboratório de Inteligência Artificial de Stanford. "Isso abre uma ampla gama de possibilidades para novas aplicações que dependem da previsão precisa de objetos, como carros autônomos e videogames."

> O modelo computacional usa uma combinação de redes neurais convolucionais (CNNs), que são redes neurais artificiais que podem processar informações espaciais, e um mecanismo baseado na física para simular o movimento de objetos. As CNNs são usadas para extrair características da entrada visual, como a forma e a textura de um objeto, e o mecanismo baseado na física é usado para simular como o objeto se moverá com base nessas características.

> O modelo foi treinado em um grande conjunto de dados de captura de movimento humano, o que permitiu aprender como os humanos prevêem o movimento de objetos. Os pesquisadores descobriram que o modelo poderia atingir um desempenho semelhante ao humano em uma série de tarefas, incluindo prever a trajetória de uma bola, a trajetória de um líquido e o movimento de uma mão humana.

> "Esperamos que nosso modelo possa ajudar a preencher a lacuna entre a intuição humana e o aprendizado de máquina", disse Abbeel. “Ao combinar o melhor dos dois mundos, podemos criar sistemas autônomos que são mais seguros, eficientes e fáceis de usar”.