O robô consegue contorcer-se e mover-se — tal como o T-1000 da saga “Terminator” da ficção científica. A nova descoberta pode ter várias aplicações, desde a medicina até roupas futurísticas.
Os investigadores do Laboratório de Ciências Informáticas e Inteligência Artificial (CSAIL) do MIT estão a transformar a ficção científica em realidade, desenvolvendo um robô que muda de forma e que se assemelha a um slime sem forma, capaz de executar diversas tarefas sem os componentes mecânicos tradicionais.
A descoberta da equipa do MIT envolve uma técnica de aprendizagem automática concebida para um robô que não possui uma estrutura convencional, como braços, pernas ou suportes esqueléticos, aponta o New Atlas.
Em vez disso, este robô pode alterar a sua forma esmagando-se, dobrando-se e alongando-se para interagir com o seu ambiente, tal como o T-1000 de metal líquido da saga “Terminator”.
Esta inovação marca um afastamento significativo das tentativas anteriores de robôs que mudam de forma, que dependiam de controlos magnéticos externos e não conseguiam mover-se de forma independente.
“Quando as pessoas pensam em robôs moles, elas tendem a pensar em robôs que são elásticos, mas que retornam à sua forma original. O nosso robô é como slime e pode realmente mudar a sua morfologia”, aponta Boyuan Chen, do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) do MIT e co-autor do estudo disponível para consulta no arXiv.
“É impressionante que o nosso método tenha funcionado tão bem porque estamos a lidar com algo muito novo“, acrescenta Chen.
Para gerir esta forma altamente adaptável, a equipa recorreu à inteligência artificial, tirando partido, em particular, da aprendizagem por reforço para navegar pelas complexidades do controlo de uma estrutura tão versátil.
A aprendizagem por reforço, normalmente utilizada em sistemas robóticos mais rígidos e definidos, foi adaptada de forma única para este projeto. Os investigadores trataram os movimentos potenciais do robô como um “espaço de ação”, visualizado como uma imagem composta por pixels.
Este método permite ao robô coordenar movimentos através do que se pode considerar os seus “membros”, apesar de não ter uma forma fixa, permitindo-lhe realizar ações coordenadas como esticar ou comprimir partes de si próprio.
MIT
A equipa usou IA para criar um sistema de controlo baseado em tarefas e orientado para objetivos
Para aperfeiçoar e melhorar os movimentos do robô, os investigadores utilizaram uma estratégia de “aprendizagem de políticas grosseiras a finas”. Inicialmente, o algoritmo funciona com uma resolução mais baixa, gerindo movimentos mais amplos e identificando padrões eficazes.
Em seguida, passa para uma resolução mais elevada para afinar as ações, aumentando a precisão do robô e a sua capacidade de executar tarefas complexas.
A equipa testou o seu sistema de controlo inovador num ambiente simulado que desenvolveu, conhecido como DittoGym.
Esta plataforma colocou o robô perante vários desafios, como a correspondência de formas ou a manipulação de objectos, que são fundamentais para avaliar a adaptabilidade do robô e a eficiência do controlo.
As suas conclusões mostraram que a abordagem “coarse-to-fine” superou significativamente os outros métodos, proporcionando uma base promissora para um maior desenvolvimento.
Embora as aplicações práticas no mundo real possam ainda estar a alguns anos de distância, as implicações desta investigação são vastas. As potenciais utilizações futuras desta tecnologia podem ir desde a navegação no corpo humano para fins médicos até à integração em tecnologias vestíveis.
