Este robô pode ajudar a fazer suas compras online.

A Ambi Robotics está usando anos de pesquisa em manipulação de robôs para ensinar as máquinas a se controlar. O segredo? Dando a eles ventosas para os dedos.

IMAGINE POR UM momento em que você tem ventosas na ponta dos dedos - a menos que esteja atualmente tomando alucinógenos, caso você não tenha tomado imagine isso.

Pense em um cada sugador com um tamanho e flexibilidade diferentes, tornando uma ponta do dedo ideal para colar em uma superfície plana como papelão, outra mais adequada para algo redondo como uma bola, outra melhor para algo mais irregular, como um vaso de flores. Por si só, cada dígito pode ser limitado nas coisas que pode controlar. Mas juntos, eles podem trabalhar em equipe para manipular uma variedade de objetos.

Esta é a ideia por trás da Ambi Robotics, uma startup criada em laboratório que hoje está emergindo do modo furtivo com robôs de classificação e um sistema operacional para executar a operação dessas máquinas manipuladoras. Os fundadores da empresa querem colocar robôs para trabalhar em tarefas que qualquer máquina racional deveria ter pavor: recolher objetos em depósitos. O que vem tão facilmente para as pessoas - agarrar qualquer objeto que não seja muito pesado - é na verdade um pesadelo para os robôs. Após décadas de pesquisa em laboratórios de robótica em todo o mundo, as máquinas ainda não têm nada perto de nossa destreza. Mas talvez o que eles precisem sejam de ventosas para as pontas dos dedos.

A Ambi Robotics surgiu de um projeto de pesquisa da UC Berkeley chamado Dex-Net, que modela como os robôs devem agarrar objetos comuns. Pense nisso como a versão robótica de como os cientistas da computação constroem IA de reconhecimento de imagem. Para treinar máquinas para reconhecer, digamos, um gato, os pesquisadores precisam primeiro construir um banco de dados de muitas e muitas imagens que contenham felinos. Em cada um, eles desenhavam uma caixa ao redor do gato para ensinar a rede neural: Olha, isso aqui é um gato . Depois que a rede analisou um grande número de exemplos, ela poderia “generalizar”, reconhecendo automaticamente um gato em uma nova imagem que nunca tinha visto antes.

Dex-Net funciona da mesma maneira, mas para agarradores robóticos. Trabalhando em um espaço simulado, os cientistas criam modelos 3D de todos os tipos de objetos e, em seguida, calculam onde um robô deve tocar cada um para obter uma pegada “robusta”. Por exemplo, em uma bola, você gostaria que o robô se agarrasse ao equador, e não tentasse beliscar um dos pólos. Parece óbvio, mas os robôs precisam aprender essas coisas do zero. “No nosso caso, os exemplos não são imagens, mas sim objetos 3D com pontos de agarramento robustos”, disse o roboticista Ken Goldberg de Berkeley, que desenvolveu o Dex-Net e cofundou a Ambi Robotics. “Então, quando inserimos isso na rede, teve um efeito semelhante, que começou a generalizar para novos objetos.” Mesmo se o robô nunca tivesse visto um determinado objeto antes, ele poderia recorrer ao seu treinamento com uma galáxia de outros objetos para calcular a melhor forma de apreendê-lo.

Considere a grotesca caneca de cerâmica que você fez na aula de arte do ensino fundamental. Você pode ter optado por moldá-lo de uma forma absurda, mas é mais do que provável que se lembre de fazer uma alça. Quando você o entregou aos seus pais e eles fingiram gostar, eles o agarraram pela alça - eles já tinham visto seu quinhão de canecas de café fabricadas profissionalmente e, portanto, já sabiam como segurá-lo. O sistema operacional de robôs da Ambi Robotics, AmbiOS, é o equivalente à experiência anterior, apenas para robôs.

“Como humanos, somos capazes de realmente inferir como lidar com aquele objeto, embora seja diferente de qualquer caneca que já foi feita antes”, diz Stephen McKinley, cofundador da Ambi Robotics. “O sistema pode raciocinar sobre a aparência do resto do objeto, para saber que se você pegar naquela parte, pode razoavelmente supor que é uma pegada decente.”

O AmbiOS funciona para uma variedade de configurações de hardware e efetuadores finais, como os roboticistas os chamam - o equivalente à máquina das mãos. Mas, ao contrário das mãos humanas, elas vêm em uma ampla variedade de fatores de forma, então você poderia ter manipuladores como ventosas movidas a ar ou uma pinça de duas pontas conhecida como pinça paralela, que funciona um pouco como pauzinhos. Independentemente disso, o efetuador final terá acesso ao conhecimento prévio do treinamento Dex-Net.

A pesquisa da Ambi Robotics descobriu que o efetuador final mais versátil e eficiente para armazéns de e-commerce é a ventosa: ela é capaz de obter um bom controle de 96% dos pacotes testados. Uma ventosa pode ser facilmente adquirida nas superfícies planas das caixas, é claro, mas também nas embalagens macias usadas para despachar roupas, conhecidas na indústria como polybags. Garras tradicionais podem lidar com o resto - a sucção não pode agarrar superfícies porosas, por exemplo. Você pode até combinar ventosas e uma pinça de duas pontas para um robô que precisa lidar com um conjunto particularmente diverso de objetos.

Saiba mais sobre nossas certificações internacionais:

Analista de Inovação: https://www.xper.social/cai

Gestor de Inovação: https://www.xper.social/cgi

Arquiteto de Inovação: https://www.xper.social/arquiteto