Como romper o hiato entre simulao e realidade

Robtica

Redação do Site Inovação Tecnológica – 13/08/2021

Evoluo robtica

Fabricar robs no to difcil, mas control-los e coloc-los para fazer coisas interessantes e teis outra histria – de fato, tem sido uma histria frustrante.

Uma das alternativas programao tradicional dos robs est na chamada robtica neuroevolucionria, que permite que os prprios robs aprendam e evoluam seus comportamentos.

Essa abordagem particularmente adequada para controlar enxames de robs que, juntos, podem fazer tarefas grandes.

“Concretamente, esses mtodos podem viabilizar o desenvolvimento de comportamentos humanoides nos robs, mas, at onde sei, a robtica neuroevolucionria ainda no adotada rotineiramente em aplicaes do mundo real,” comentou o professor Mauro Birattari, da Escola Livre de Bruxelas, na Blgica.

Para ajudar nesse esforo, Birattari fez um levantamento e uma anlise comparativa dessas tcnicas, em busca das que so mais promissoras para que as equipes experimentais possam colocar a mo na massa.

Tcnica de robtica evolutiva

Todas as abordagens da robtica neuroevolucionria usam algoritmos evolutivos para gerar uma rede neural que controla os robs, ou seja, uma rede neural que faz leituras dos sensores como entrada e gera sadas na forma de comandos de um atuador. Esses mtodos usam simulaes de computador para gerar uma rede neural apropriada para cada misso especfica que os robs devem cumprir. Uma vez que a rede neural gerada (na simulao), ela instalada nos robs fsicos e testada.

Ao comparar os diferentes mtodos, os pesquisadores observaram uma espcie de “hiperespecializao”: O projeto se torna especializado demais no ambiente de simulao, e a rede neural acaba se tornando incapaz de generalizar para o mundo real, impedindo a passam para a etapa seguinte, de testes nos robs.

Isto o que Birattari e seus colegas chamam de uma “lacuna de realidade”, ou seja, a simulao e a realidade no se encontram. Embora o simulador seja bastante preciso, as diferenas so inevitveis.

“Por exemplo, se os robs precisam se mover para frente e para trs entre duas reas, uma soluo que o processo evolutivo pode encontrar na simulao produzir uma rede neural que faa o rob se mover ao longo de um caminho circular que toca ambas as reas. Esta soluo muito elegante e funciona de forma muito eficiente em simulao. Quando aplicada aos robs, esta soluo falharia miseravelmente: Por exemplo, se o dimetro real de (uma das) rodas do rob diferir ligeiramente do valor nominal, o raio da trajetria ser diferente… a trajetria no vai mais passar pelas duas zonas como desejado e previsto pela simulao,” ilustrou Birattari.

As simulaes produzem resultados complexos e elegantes – mas que no funcionam no mundo real.
[Imagem: Ken Hasselmann et al. – 10.1038/s41467-021-24642-3]

Quanto mais simples melhor

Embora parea contra-intuitivo, a soluo encontrada pelos pesquisadores no est no aprimoramento das simulaes, mas justamente em reduzir seu poder, adotando, por exemplo, um mtodo que possa produzir uma gama limitada de comportamentos.

Isso significa que os pesquisadores tero que aceitar que obtero resultados piores nas simulaes, ou seja, este mtodo no funcionar to bem na etapa de projeto quanto os simuladores atuais porque no ser capaz de explorar todas as possibilidades e casos.

Contudo, o resultado ser mais geral, menos especializado, e, portanto, com maior probabilidade de ser generalizado para a realidade.

Assim, o conselho da equipe : Se quisermos robs com comportamentos complexos a ponto de operarem de forma realstica, devemos simplificar seu projeto – quanto mais simples a simulao, melhor.

Outras notcias sobre: