Cientistas desenvolvem robôs capazes de aprender e se adaptar ao ambiente
Pesquisa pode levar ao desenvolvimento de robôs adaptativos
Meus colegas e eu construímos um robô composto por muitos blocos semelhantes às células de um organismo multicelular. Sem um “cérebro” ou controlador central no sistema, nosso robô, apelidado de Loopy, depende do comportamento coletivo de todas as suas células para interagir com o mundo.
Por isso, nó o chamamos de um "enxame robótico". Mas Loopy também pode ser visto como um único robô, já que todas as células estão conectadas.
Nossa pesquisa pode levar ao desenvolvimento de robôs adaptativos capazes de ajustar suas formas e movimentos aos ambientes – e pode ter diversas aplicações, como, por exemplo, limpeza ambiental.
Loopy é uma versão primitiva de robô multicelular, composto por um anel de 36 células. Cada uma possui um servomotor – um motor elétrico que gira um eixo com um ângulo de rotação controlado com precisão – e sensores.
Cada célula reage por conta própria, sem influência das outras, exceto de suas duas vizinhas imediatas. À medida que os servomotores se movem, os ângulos entre as células determinam a forma geral do robô.
Ele pode assumir diversas formas e exibir uma variedade de movimentos. Mas formas e movimentos aleatórios não são úteis. Nossa expectativa era que algo interessante surgisse da auto-organização – isto é, a criação espontânea de ordem a partir do caos, sem que déssemos instruções diretas. Descobrimos que Loopy assume formas estáveis que se recuperam após colidir com obstáculos.
Este, porém, não é um conceito novo. O renomado matemático Alan Turing já estava interessado na ideia de auto-organização em 1952. Ele até imaginou um anel de células. Sua hipótese envolvia a existência de produtos químicos que se difundem e reagem entre si, levando à criação de padrões na natureza, como os de conchas e penas de pássaros.
Essa abordagem de auto-organização usando produtos químicos simulados permitiu que Loopy assumisse e transitasse entre várias formas lobulares.
POR QUE ISSO É IMPORTANTE
Sistemas projetados, especialmente robôs, geralmente são desenvolvidos com uma abordagem de cima para baixo, na qual designers humanos antecipam as condições que o sistema pode encontrar e o programam antecipadamente por meio de hardwares, softwares ou ambos. O problema é que eles provavelmente não estarão presentes quando o robô se deparar com uma situação imprevista.
Essa abordagem de microgerenciamento no design de robôs é como dar a crianças um manual detalhado ao mandá-las para a escola no primeiro dia de aula. Uma solução mais eficaz seria fornecer orientações gerais e feedback e esperar que elas resolvam os problemas por conta própria.
Da mesma forma, o desenvolvimento do Loopy visa liberar o poder da “inteligência” coletiva de baixo para cima, permitindo que ele encontre novas soluções por si mesmo quando surgir uma nova situação, por exemplo, encontrar a forma certa para se adaptar ao ambiente.
QUE OUTRAS PESQUISAS ESTÃO SENDO REALIZADAS?
O conceito de matéria programável existe há décadas, mas são poucos os exemplos tangíveis. Enquanto pesquisadores exploram formas complexas por meio da automontagem ou sistemas robóticos reconfiguráveis, muitas vezes a matéria depende de formas predeterminadas.
Assim como Loopy, os pesquisadores aplicaram o conceito de auto-organização de Turing a enxames de robôs, como os pequenos, simples e autônomos Kilobots, levando ao surgimento de formas complexas. No entanto, ao contrário do robô que desenvolvemos, as forças físicas entre as “células” não são usadas para influenciar a forma final e o comportamento do coletivo.
Gostaríamos que Loopy desenvolvesse características mais realistas, como responder a situações imprevistas, buscar condições melhores, adquirir recursos e mitigar ameaças, para permitir que execute tarefas atribuídas por pessoas, preenchendo assim a lacuna entre a criatividade da auto-organização e a orientação humana.
Este artigo foi republicado do The Conversation sob licença Creative Commons. Leia o artigo original.
