Um aluno do Instituto de Tecnologia da Geórgia (EUA) desenvolveu a estrutura Cascaded Compositional Residual Learning (CCRL), mecanismo de aprendizado que permite aos robôs quadrúpedes executar tarefas cada vez mais complexas sem precisar reaprender os movimentos.
O avanço da CCRL acontece de forma similar ao aprendizado humano e a tecnologia é equipada com tipo de biblioteca artificial, fazendo com que o robô se recorde dos movimentos aprendidos de forma gradativa – desde os movimentos mais básicos até as atividades mais complexas.
- Niranjan Kumar, criador do projeto, destaca que a CCRL abriu novos caminhos na pesquisa de navegação interativa;
- Essa pesquisa é uma das soluções que direcionam o avanço dos robôs no mundo real;
- Entre elas, é destacável a navegação por pontos, que treina um robô para alcançar um ponto em um mapa, e navegação por objetos, que o ensina a alcançar um objeto selecionado.
A criação de Kumar e a navegação interativa
De acordo com o Tech Xplore, o maior desafio da navegação interativa ainda é fazer com que os robôs alcancem um objetivo após enfrentar obstáculos pelo percurso. Kumar aponta que a solução está nas articulações e fazer com que o robô saiba sobre elas.
“Leva mais tempo para treinar à medida que você adiciona mais habilidades, porque agora a política também precisa descobrir como incorporar todas essas habilidades em diferentes situações”, disse Kumar. “Mas, teoricamente, você pode continuar adicionando mais habilidades indefinidamente, desde que tenha um computador poderoso o suficiente para executar as políticas.”
Segundo o aluno, o CCRL poderá ser usado em robôs assistentes para tarefas domésticas, ou, até mesmo, como cão-guia para pessoas com deficiência visual.
Se você tem obstáculos na frente de alguém com deficiência visual, o robô pode simplesmente remover os obstáculos enquanto a pessoa está andando, abrir a porta para ela e coisas assim – Niranjan Kumar, aluno do Instituto de Tecnologia da Geórgia e criador do projeto
Fonte: Olhar Digital
