uma década de transformação em Robótica

Imagine um futuro onde os robôs estão tão integrados no tecido da vida humana que se tornam tão comuns quanto os smartphones são hoje. O campo da robótica tem o potencial de melhorar muito a qualidade de nossas vidas no trabalho, em casa e em jogo, fornecendo às pessoas suporte para tarefas cognitivas e físicas. Durante anos, os robôs apoiaram a atividade humana em tarefas perigosas, sujas e monótonas, e permitiram a exploração de ambientes inacessíveis, dos oceanos profundos ao espaço profundo. Cada vez mais, robôs mais capazes serão capazes de se adaptar, aprender e interagir com humanos e outras máquinas em níveis cognitivos.

o rápido progresso da tecnologia na última década tornou a computação indispensável. A computação transformou a maneira como trabalhamos, vivemos e jogamos. A digitalização de praticamente tudo, aliada aos avanços da robótica, promete um futuro onde o acesso a máquinas de alta tecnologia é democratizado e a personalização generalizada. Os robôs estão se tornando cada vez mais capazes devido à sua capacidade de executar cálculos mais complexos e interagir com o mundo por meio de sensores cada vez mais ricos e melhores atuadores.Um mundo conectado com muitos robôs personalizados trabalhando ao lado de pessoas já está criando novos empregos, melhorando a qualidade dos empregos existentes e economizando tempo para que eles possam se concentrar no que acham interessante, importante e emocionante. Hoje, os robôs já se tornaram nossos parceiros em ambientes industriais e domésticos. Eles trabalham lado a lado com pessoas em fábricas e salas de cirurgia. Eles cortam nossos gramados, aspiram nossos pisos e até leiteiam nossas vacas. Em alguns anos, eles tocarão ainda mais partes de nossas vidas.

medicamentos nas prateleiras de um gabinete robótico Consis. Este armário pode automatizar até noventa por cento dos produtos dispensados por farmácias diariamente, ocupa apenas dois metros quadrados, e pode armazenar até 900 caixas.

o deslocamento para o trabalho em seu carro sem motorista permitirá que você leia, retorne chamadas, acompanhe seus podcasts favoritos e até soneca. O carro robótico também servirá como seu assistente, acompanhando o que você precisa fazer, planejando suas rotas para garantir que todas as suas tarefas sejam feitas e verificando os dados de tráfego mais recentes para selecionar as estradas menos congestionadas. Carros sem motorista ajudarão a reduzir as fatalidades de acidentes de carro, enquanto empilhadeiras autônomas podem ajudar a eliminar lesões nas costas causadas pelo levantamento de objetos pesados. Os robôs podem mudar alguns empregos existentes, mas, no geral, os robôs podem fazer grandes contribuições sociais. Os robôs de cuidados com o gramado e os robôs de limpeza de piscinas mudaram a forma como essas tarefas são feitas. Os robôs podem ajudar a humanidade com problemas grandes e pequenos.

A digitalização de praticamente tudo, juntamente com os avanços na área da robótica, promessas de um futuro onde o acesso a máquinas de alta tecnologia é democratizado e personalização generalizada

O objetivo da robótica não é para substituir humanos por mecanização e a automatização de tarefas, mas, em vez disso, encontrar novos modos de permitir que os robôs para colaborar com os seres humanos de forma mais eficaz. Os robôs são melhores do que os humanos em Tarefas como triturar números e mover-se com precisão. Os robôs podem levantar objetos muito mais pesados. Os humanos são melhores do que robôs em Tarefas como raciocínio, definição de abstrações e generalização ou especialização, graças à nossa capacidade de recorrer a experiências anteriores. Trabalhando juntos, robôs e humanos podem aumentar e complementar as habilidades uns dos outros.

uma década de progresso permitindo autonomia

os avanços na robótica na última década demonstraram que os dispositivos robóticos podem locomover, manipular e interagir com as pessoas e seu ambiente de maneiras únicas. As capacidades de locomoção dos robôs foram habilitadas pela ampla disponibilidade de sensores precisos (por exemplo, scanners a laser), motores de alto desempenho e desenvolvimento de algoritmos robustos para mapeamento, localização, planejamento de movimento e navegação waypoint. Muitas novas aplicações são possíveis graças ao progresso no desenvolvimento de corpos de robôs (hardware) e cérebros de robôs (software).As capacidades dos robôs são definidas pelo acoplamento apertado entre seus corpos físicos e a computação que compreende seus cérebros. Por exemplo, um robô voador deve ter um corpo capaz de voar e algoritmos para controlar o vôo. Os robôs de hoje podem fazer locomoção básica no solo, no ar e na água. Eles podem reconhecer objetos, mapear novos ambientes, realizar operações de pick-and-place, aprender a melhorar o controle, imitar movimentos humanos simples, adquirir novos conhecimentos e até mesmo atuar como uma equipe coordenada. Por exemplo, os mais recentes robôs e algoritmos de futebol são colocados em prática em uma competição anual de futebol de robôs chamada RoboCup.

recentes avanços no armazenamento de disco, a escala e o desempenho da Internet, Comunicação Sem Fio, Ferramentas de suporte ao design e fabricação, e o poder e a eficiência da eletrônica, juntamente com o crescimento mundial do armazenamento de dados, impactaram o desenvolvimento de robôs de várias maneiras. Os custos de Hardware estão diminuindo, os componentes eletromecânicos são mais confiáveis, as ferramentas para fazer robôs são mais ricas, os ambientes de programação estão mais prontamente disponíveis e os robôs têm acesso ao conhecimento do mundo através da nuvem. Podemos começar a imaginar o salto do computador pessoal para o robô pessoal, levando a muitas aplicações onde os robôs existem pervasivamente e trabalham lado a lado com os humanos.

o objetivo da robótica não é substituir os humanos mecanizando e automatizando tarefas, mas, sim, encontrar novas maneiras que permitam aos robôs colaborar com os humanos de forma mais eficaz

o transporte é um ótimo exemplo. É muito mais fácil mover um robô pelo mundo do que construir um robô que possa interagir com ele. Na última década, avanços significativos em algoritmos e hardware tornaram possível imaginar um mundo no qual pessoas e mercadorias são movidas de uma maneira muito mais segura e conveniente com frotas otimizadas de carros autônomos.Em um único ano, os americanos dirigem quase três trilhões de milhas.1 Se você tiver uma média de 60 mph, isso equivale a quase cinquenta bilhões de horas gastas no carro.2 esse número cresce exponencialmente quando se considera o resto do globo. Mas o tempo gasto em nossos carros não é sem desafios. Hoje, um acidente de carro ocorre a cada cinco segundos nos Estados Unidos.3 globalmente, as lesões no trânsito são a oitava principal causa de morte, com cerca de 1,24 milhão de vidas perdidas todos os anos.4 além desse terrível custo humano, esses acidentes têm um enorme custo econômico. A National Highway Traffic Safety Administration calculou o custo econômico nos Estados Unidos em cerca de US $277 bilhões por ano.Colocar um dente nesses números é um enorme desafio – mas que é muito importante para enfrentar. Os veículos autônomos têm o potencial de eliminar acidentes rodoviários.

Imagine se os carros pudessem aprender … aprenda como dirigimos … aprenda a nunca ser responsável por uma colisão … aprenda o que precisamos quando dirigimos? E se eles pudessem se tornar parceiros de confiança? Parceiros que poderiam nos ajudar a navegar por estradas complicadas, vigiar nossas costas quando estamos cansados, até tornar nosso tempo no carro… divertido? E se o seu carro pudesse dizer que você está tendo um dia difícil e ligar sua música favorita para ajudá-lo a relaxar, enquanto observa atentamente como você dirige? E se o seu carro também soubesse que você esqueceu de ligar para seus pais ontem e emitiu um lembrete gentil no caminho de casa. E imagine que foi fácil fazer essa ligação porque você poderia virar a condução para o carro em um trecho chato da estrada.

o robô cirúrgico Da Vinci durante uma operação de histerectomia

reconhecendo esse potencial extraordinário durante os últimos dois anos, a maioria dos fabricantes de automóveis anunciou projetos de carros autônomos. Elon Musk previu que poderíamos adormecer ao volante em cinco anos; o carro do Google/Waymo tem estado muito nas notícias por dirigir vários milhões de milhas sem acidentes; a Nissan prometeu carros autônomos até 2020; A Mercedes criou um protótipo de carro autônomo Modelo S de 2014; e a Toyota anunciou (setembro de 2015) um ambicioso programa para desenvolver um carro que nunca será responsável por uma colisão e investiu US $1 bilhão para promover a inteligência artificial.

há muita atividade neste espaço através de um grande espectro de capacidades do carro. Para entender onde caem todos os vários avanços, é útil observar a classificação da National Highway Traffic Safety Administration (NHTSA) de cinco níveis de autonomia: o Nível 0 não inclui nenhum suporte para automação; Nível 1 inclui ferramentas para obter feedback para os humanos driver, por exemplo, usando uma câmera traseira; Nível 2 inclui localizada controle ativo, por exemplo, freios abs; o Nível 3 inclui suporte para seleccionar autonomia, mas o homem deve ser pronto para assumir (como é o Tesla (Piloto automático); Nível 4 inclui autonomia, em alguns lugares, algumas vezes; e o Nível 5 é a autonomia em todos os ambientes o tempo todo.

uma maneira alternativa de caracterizar o nível de autonomia de um carro autônomo é de acordo com três eixos que definem (1) a velocidade do veículo; (2) a complexidade do ambiente em que o veículo se move e (3) a complexidade das interações com agentes em movimento (carros, pessoas, ciclistas e assim por diante) nesse ambiente. Os pesquisadores estão empurrando o envelope ao longo de cada um desses eixos, com o objetivo de se aproximar da autonomia do nível 5.

ao Longo da última década, avanços importantes em algoritmos de hardware e tornaram possível para nós imaginar um mundo em que as pessoas e as mercadorias são movidos muito mais segura, mais conveniente, com otimização de frotas de auto-condução de automóveis

Devido a algorítmico e hardware avança ao longo da última década, hoje, a tecnologia está pronta para o Nível 4 implantações em baixas velocidades de baixa complexidade ambientes com baixos níveis de interação com o entorno pedestres e outros veículos. Isso inclui autonomia em estradas privadas, como em comunidades de aposentados e campi, ou em vias públicas que não estão muito congestionadas.A autonomia de Nível 4 foi habilitada por uma década de avanços no hardware e algoritmos disponíveis para os robôs. O mais importante é a convergência de alguns dos mais importantes algoritmos evolução: a criação de mapas, ou seja, o veículo pode usar seus sensores para criar um mapa, a localização, ou seja, o veículo pode usar seus sensores para descobrir onde fica no mapa; percepção, ou seja, o veículo pode-se perceber a movimentação de objetos na estrada; planejamento e tomada de decisão, o que significa que o veículo pode descobrir o que fazer a seguir com base no que vê agora; e hardware confiável, bem como conjuntos de dados de condução que permitem que os carros aprendam a dirigir de humanos. Hoje, podemos fazer tantos cálculos simultâneos, Triturar muito mais dados e executar algoritmos em tempo real. Essas tecnologias nos levaram a um ponto no tempo em que podemos discutir de forma realista a ideia de autonomia nas estradas.

no entanto, ainda não temos autonomia de nível 5. Os desafios tecnológicos para a autonomia do nível 5 incluem: dirigir em congestionamento, dirigir em altas velocidades, dirigir em clima inclemente (chuva, neve), dirigir entre motoristas humanos, dirigir em áreas onde não há mapas de alta densidade e responder a casos de canto. O sistema de percepção de um veículo não tem a mesma qualidade e eficácia que o olho humano. Para ser claro, existem algumas coisas que as máquinas podem fazer melhor do que as pessoas, como estimar com precisão a rapidez com que outro veículo está se movendo. Mas os robôs não compartilham nossas capacidades de reconhecimento. Como puderam? Passamos a vida inteira aprendendo a observar o mundo e a dar sentido a ele. As máquinas exigem algoritmos para fazer isso, e dados-lotes e lotes e lotes de dados, anotados para dizer-lhes o que tudo isso significa. Para tornar a autonomia possível, temos que desenvolver novos algoritmos que os ajudem a aprender com muito menos exemplos de forma não supervisionada, sem intervenção humana constante.

Afegão eXplorer, um semi-automática robô móvel desenvolvido pelo Laboratório de Inteligência Artificial do Masachusetts Institute of Technology (MIT), pode realizar relatórios de atividades perigosas ou inacessível arredores

Há duas filosofias que estão a conduzir a investigação e desenvolvimento na condução autónoma: série autonomia e paralelo autonomia. Paralelo a autonomia preocupações o desenvolvimento de motorista-auxiliar de tecnologias, onde o motorista está ao volante, mas o motorista-auxiliar os monitores do sistema de que o driver faz e intervém conforme a necessidade—de uma forma que não faz nenhum mal—por exemplo, para evitar uma colisão ou corrigir o ângulo do volante, que mantém o carro na estrada. As capacidades de autonomia do carro crescem incrementalmente, mas operam em paralelo com o humano. A abordagem de autonomia paralela permite que o carro opere em qualquer lugar, a qualquer hora. A autonomia da série persegue a ideia de que o humano ou o carro estão no comando, mas não ambos. Quando o carro está em modo autônomo, o humano não contribui de forma alguma para a condução. As capacidades de autonomia do carro também crescem incrementalmente, mas este carro só pode operar de acordo com as capacidades suportadas pelo seu pacote de autonomia. O carro irá operar gradualmente em ambientes cada vez mais complexos.

existem duas filosofias que impulsionam a pesquisa e o desenvolvimento na direção autônoma: autonomia em série e autonomia paralela. O último diz respeito ao desenvolvimento de tecnologias de assistência ao motorista onde o motorista está ao volante, mas o sistema de assistência ao motorista monitora o que o motorista faz e intervém conforme necessário

as soluções de autonomia da série de hoje operam em ambientes fechados (definidos pelas estradas nas quais o veículo pode dirigir). A receita da autonomia começa aumentando os veículos com controle drive-by-wire e sensores como câmeras e scanners a laser. Os sensores são usados para criar mapas, para detectar obstáculos em movimento, como pedestres e outros veículos, e para localizar o veículo no mundo. As soluções de condução autônoma são baseadas em mapas e se beneficiam de uma década de progresso na área de localização e mapeamento simultâneos (SLAM). Os mapas são construídos dirigindo o veículo autônomo em todos os segmentos rodoviários possíveis, coletando recursos com os sensores. Os mapas são usados para cada unidade autônoma subsequente, para planejar um caminho do início ao objetivo, para executar o caminho evitando obstáculos e para localizar os veículos à medida que ele executa o caminho.

a maioria das empresas de automóveis autônomos só testa suas frotas nas principais cidades, onde desenvolveram mapas 3D detalhados que são meticulosamente rotulados com as posições exatas de coisas como pistas, Freios e sinais de parada. Esses mapas incluem características ambientais detectadas pelos sensores do veículo. Os mapas são criados usando sistemas LIDAR 3D que dependem da luz para escanear o espaço local, acumulando milhões de pontos de dados e extraindo os recursos que definem cada local.

se queremos que os carros autônomos sejam uma tecnologia global viável, essa dependência de mapas anteriores detalhados é um problema. Os veículos autônomos de hoje não são capazes de dirigir em ambientes rurais onde não temos mapas—em outras palavras, nos milhões de quilômetros de estradas que não são pavimentadas, não iluminadas ou marcadas de maneira não confiável. No MIT CSAIL, começamos a desenvolver o MapLite como um primeiro passo para permitir que os carros autônomos naveguem em estradas nas quais nunca estiveram antes usando apenas GPS e sensores. Nosso sistema combina dados GPS-como o tipo que você encontraria no Google Maps – com dados retirados de sensores LIDAR. Juntos, esses dois elementos nos permitem dirigir autonomamente um carro em várias estradas rurais não pavimentadas e detectar com segurança a estrada com mais de 30 metros de antecedência. Outros pesquisadores têm trabalhado em diferentes abordagens sem mapas com diferentes graus de sucesso. Métodos que usam sensores de percepção Como LIDAR muitas vezes têm que depender fortemente de marcações rodoviárias ou fazer generalizações amplas sobre a geometria dos freios rodoviários. Enquanto isso, as abordagens baseadas na visão podem ter um bom desempenho em condições ideais, mas têm problemas quando há clima adverso ou iluminação ruim. Em termos de “autonomia de nível 5″—ou seja, autonomia em qualquer lugar a qualquer momento—ainda estamos a alguns anos de distância, e isso se deve a desafios técnicos e regulatórios.

os veículos autônomos podem assumir muitas formas diferentes, incluindo carrinhos de golfe, cadeiras de rodas, scooters, bagagem, carrinhos de compras, lixeiras e até barcos. Essas tecnologias abrem a porta para uma vasta gama de novos produtos e aplicativos

embora o progresso tenha sido significativo no lado técnico, fazer com que a Política seja atualizada tem sido um processo compreensivelmente complexo e incremental. Os formuladores de políticas ainda estão debatendo o nível em que os veículos autônomos devem ser regulamentados. Que tipos de veículos devem ser permitidos na estrada e quem pode operá-los? Como a segurança deve ser testada e por quem? Como diferentes regimes de Responsabilidade podem moldar a adoção oportuna e segura de veículos autônomos e quais são os trade-offs? Quais são as implicações de uma colcha de retalhos de leis e regulamentos estado-por-estado, e quais são os trade-offs na harmonização dessas políticas? Até que ponto os formuladores de políticas devem incentivar a adoção de veículos autônomos? Por exemplo, por meio de infraestrutura de estradas inteligentes, pistas de Rodovias dedicadas, incentivos do fabricante ou do consumidor? Estas são questões complexas relativas ao uso de veículos autônomos em vias públicas. Ao mesmo tempo, uma forma de autonomia que já é implantável agora é “autonomia de Nível 4”, definida como autonomia em alguns ambientes em algumas partes do tempo. A tecnologia está aqui para veículos autônomos que podem dirigir com bom tempo, de maneira privada e em velocidades mais baixas.Ambientes como comunidades de aposentados, campi, propriedades de hotéis e parques de diversões podem se beneficiar das tecnologias de autonomia de Nível 4. Os veículos autônomos podem assumir muitas formas diferentes, incluindo carrinhos de golfe, cadeiras de rodas, scooters, bagagem, carrinhos de compras, lixeiras e até barcos. Essas tecnologias abrem as portas para uma vasta gama de novos produtos e aplicações, desde mobilidade sob demanda, compras autônomas e transporte de mercadorias e mobilidade mais eficiente em hospitais. Todos se beneficiariam com o transporte se tornando um utilitário amplamente disponível, mas esses benefícios terão um impacto particular sobre os novos motoristas, nossa população sênior e pessoas afetadas por doenças ou deficiências.

a tecnologia que está permitindo autonomia para carros pode ter um impacto social muito amplo. Imagine residentes de uma comunidade de aposentados sendo transportados com segurança por carrinhos de golfe automatizados. No futuro, poderemos automatizar qualquer coisa sobre rodas-não apenas os aspiradores de pó de hoje, mas também Cortadores de grama ou até latas de lixo.

se queremos que os carros autônomos sejam uma tecnologia global viável, essa dependência de mapas anteriores detalhados é um problema. Os veículos autônomos de hoje não são capazes de dirigir em ambientes rurais onde não temos mapas

a mesma tecnologia que permitirá esse nível de automação pode até ser usada para ajudar as pessoas que lidam com deficiências—como os cegos—a experimentar o mundo de maneiras nunca antes possíveis. A deficiência Visual afeta aproximadamente 285 milhões de pessoas em todo o mundo, pessoas que poderiam se beneficiar enormemente do aumento da mobilidade e da assistência robótica. Este é um segmento da população que a tecnologia muitas vezes deixou para trás ou ignorou, mas, neste caso, a tecnologia pode fazer toda a diferença. Dispositivos vestíveis que incluem os sensores usados por carros autônomos e software de autonomia de execução podem permitir que pessoas com deficiência visual experimentem o mundo com segurança e de maneiras muito mais ricas do que a bengala.A Robótica mudará a maneira como transportamos pessoas e coisas em um futuro muito próximo. Mas, logo depois, fará mais do que entregar as coisas a tempo; também nos permitirá produzir essas coisas de forma rápida e local.

desafios em Robótica

apesar dos avanços recentes e significativos no campo e da promessa para o futuro, os robôs de hoje ainda são bastante limitados em sua capacidade de descobrir as coisas, sua comunicação é muitas vezes frágil e leva muito tempo para fazer novos robôs. A ampla adoção de robôs exigirá uma integração natural de robôs no mundo humano, em vez de uma integração de humanos no mundo das máquinas.

raciocínio

os robôs só podem realizar raciocínio limitado devido ao fato de que seus cálculos são cuidadosamente especificados. Para os robôs de hoje, tudo é explicado com instruções simples e o escopo do robô está inteiramente contido em seu programa. Tarefas que os humanos consideram garantidas, por exemplo, fazer a pergunta ” já estive aqui antes?”são notoriamente difíceis para os robôs. Os robôs registram as características dos lugares que visitaram. Esses recursos são extraídos de sensores como câmeras ou scanners a laser. É difícil para uma máquina diferenciar entre recursos que pertencem a uma cena que o robô já viu e uma nova cena que contém alguns dos mesmos objetos. Em geral, os dados coletados de sensores e atuadores são muito grandes e muito baixos; ele precisa ser mapeado para abstrações significativas para que os robôs possam usar efetivamente as informações. A pesquisa atual de aprendizado de máquina sobre big data está abordando como compactar um grande conjunto de dados para um pequeno número de pontos de dados semanticamente significativos. A sumarização também pode ser usada por robôs. Por exemplo, os robôs podem resumir seu histórico visual para reduzir significativamente o número de imagens necessárias para determinar se “já estive aqui antes.”

além disso, os robôs não conseguem lidar com situações inesperadas. Se um robô encontrar um caso que não foi programado para lidar ou está fora do escopo de suas capacidades, ele entrará em um estado de erro e parará. Muitas vezes, o robô não consegue comunicar a causa do erro. Por exemplo, os robôs de limpeza a vácuo são projetados e programados para se mover no chão, mas não podem subir escadas.

BBVA-OpenMind-ilustración-Daniela-rus-robotica_una-decada-de-transformaciones-3
Marinha francesa pesquisadores e ROVs (veículos operados remotamente) participar na Operação Lua, explorar o naufrágio de Luís XIV principal de mesmo nome, a uma profundidade de noventa metros

Robôs precisam aprender como ajustar os seus programas, adaptando-se aos seus ambientes e as interações que eles têm com as pessoas, com seus ambientes e com outras máquinas. Hoje, todos com acesso à Internet têm as informações do mundo ao seu alcance, incluindo máquinas. Os robôs podem aproveitar essas informações para tomar melhores decisões. Os robôs também podem gravar e usar toda a sua história (por exemplo, a saída de seus sensores e atuadores) e as experiências de outras máquinas. Por exemplo, um robô treinado para passear com seu cão pode acessar o boletim meteorológico on-line e, com base em caminhadas anteriores, determinar o melhor caminho a seguir. Talvez uma curta caminhada se estiver quente ou chovendo, ou uma longa caminhada até um parque próximo onde outros caminhantes de cães robóticos estão localizados atualmente. Tudo isso poderia ser determinado sem interação ou intervenção humana.

comunicação

um mundo com muitos robôs trabalhando juntos requer comunicação confiável para coordenação. Apesar dos avanços na comunicação sem fio, ainda existem impedimentos na comunicação robô-robô. O problema é que modelar e prever a comunicação é notoriamente difícil e qualquer método de controle de robôs que dependa de modelos de comunicação atuais é repleto de ruído. Os robôs precisam de abordagens de comunicação mais confiáveis que garantam a largura de banda de que precisam, quando precisam. Para obter uma comunicação robô-robô resiliente, um novo paradigma é medir localmente a qualidade da comunicação em vez de prevê-la com modelos. Usando a ideia de medir a comunicação, podemos começar a imaginar o uso de robôs voadores como estações-base móveis que se coordenam entre si para fornecer cobertura de comunicação em escala planetária. Enxames de robôs voadores podem trazer acesso à Internet em todo o mundo.

atualmente, A comunicação entre robôs e pessoas também é limitada. Embora as tecnologias de fala tenham sido empregadas para dar comandos de robôs na linguagem humana (por exemplo, “mover para a porta”), o escopo e o vocabulário dessas interações são superficiais. Os robôs podem usar a ajuda de humanos quando ficam presos. Acontece que mesmo uma pequena quantidade de intervenção humana na tarefa de um robô muda completamente o problema e capacita as máquinas a fazer mais.

atualmente, quando os robôs encontram algo inesperado (um caso para o qual não foi programado), eles ficam presos. Suponha que, em vez de apenas ficar preso, o robô foi capaz de raciocinar sobre por que está preso e pedir ajuda humana. Por exemplo, trabalhos recentes sobre o uso de robôs para montar móveis IKEA demonstram que os robôs podem reconhecer quando uma perna de mesa está fora de alcance e pedir aos humanos que lhes entregem a peça. Depois de receber a peça, os robôs retomam a tarefa de montagem. Estes são alguns dos primeiros passos para a criação de equipes de robôs humanos simbióticos, onde robôs e humanos podem pedir ajuda uns aos outros.

Design e fabricação

outro grande desafio com os robôs de hoje é o tempo para projetar e fabricar novos robôs. Precisamos acelerar a criação de robôs. Muitos tipos diferentes de robôs estão disponíveis hoje, mas cada um desses robôs levou muitos anos para ser produzido. As capacidades de computação, mobilidade e manipulação dos robôs são fortemente acopladas ao corpo do robô—seu sistema de hardware. Como os corpos robóticos de hoje são fixos e difíceis de estender, as capacidades de cada robô são limitadas por seu corpo. Fabricar novos robôs-módulos robóticos complementares, dispositivos elétricos ou ferramentas especializadas para estender recursos—não é uma opção real, pois o processo de design, fabricação, montagem e programação é longo e complicado. Precisamos de ferramentas que acelerem o design e a fabricação de robôs. Imagine criar um compilador de robô que tome como entrada a especificação funcional do robô (por exemplo, “eu quero que um robô Jogue xadrez comigo”) e calcula um design que atenda à especificação, um plano de fabricação e um ambiente de programação personalizado para usar o robô. Muitas tarefas grandes e pequenas podem ser automatizadas pelo rápido design e fabricação de muitos tipos diferentes de robôs usando esse compilador de robôs.

em direção à Robótica generalizada

existem lacunas significativas entre onde os robôs estão hoje e a promessa de integração generalizada de robôs na vida cotidiana. Algumas das lacunas dizem respeito à criação de robôs—como projetamos e fabricamos novos robôs de forma rápida e eficiente? Outras lacunas dizem respeito à computação e às capacidades dos robôs para raciocinar, mudar e se adaptar para tarefas cada vez mais complexas em ambientes cada vez mais complexos. Outras lacunas dizem respeito às interações entre robôs e entre robôs e pessoas. Atual orientações de investigação em robótica empurrar o envelope em cada uma dessas direções, buscando as melhores soluções para fazer robôs, controlando o movimento de robôs e suas habilidades de manipulação, aumentando a capacidade para robôs a razão, permitindo a semântica do nível de percepção através de visão de máquina, e o desenvolvimento mais flexível de coordenação e de cooperação entre máquinas e entre máquinas e seres humanos. Enfrentar esses desafios aproximará os robôs da visão da robótica generalizada: o mundo conectado de muitas pessoas e muitos robôs realizando muitas tarefas diferentes.

o estudante universitário Andrew Marchese demonstra o movimento de um peixe robótico durante um show no Laboratório de Inteligência Artificial do MIT em abril de 2013. O peixe robótico simula o movimento dos peixes vivos e emprega o campo emergente da robótica suave

a robótica generalizada e personalizada é um grande desafio, mas seu escopo não é diferente do desafio da computação generalizada, que foi formulado há cerca de vinte e cinco anos. Hoje podemos dizer que a computação é realmente difundida, tornou-se um utilitário e está disponível em qualquer lugar, a qualquer hora. Então, o que seria necessário para ter uma integração generalizada de robôs na vida cotidiana? Mark Weiser, que foi Cientista-Chefe da Xerox PARC e é amplamente referido como o pai da computação onipresente, disse sobre a computação generalizada que: “as tecnologias mais profundas são aquelas que desaparecem. Eles se tecem no tecido da vida cotidiana até que sejam indistinguíveis dele.”

por exemplo, a eletricidade já foi uma nova tecnologia e agora faz parte da vida. As tecnologias robóticas têm o potencial de se juntar ao computador pessoal e à eletricidade como aspectos difundidos da vida cotidiana. Em um futuro próximo, as tecnologias robóticas mudarão a forma como pensamos sobre muitos aspectos da vida cotidiana.

existem lacunas significativas entre onde os robôs estão hoje e a promessa de integração generalizada de robôs na vida cotidiana. Estas diferenças dizem respeito à criação de robôs, sua computação e capacidade de raciocinar, alterar e adaptar-se cada vez mais tarefas mais complexas, cada vez mais em ambientes complexos, e sua capacidade para interagir com pessoas

” Self-driving car frotas têm potencial para transformar o transporte para um utilitário, com personalizado passeios disponíveis em qualquer lugar, a qualquer hora. O transporte público pode se tornar um sistema de duas camadas: uma rede de grandes veículos (por exemplo, trens, ônibus) fornecendo transporte de backbone para muitas pessoas em longas distâncias e frotas de pods de transporte fornecendo as necessidades de transporte personalizadas de indivíduos para saltos curtos. Essa rede de transporte estaria conectada à infraestrutura de TI e às pessoas para fornecer mobilidade sob demanda. A operação do backbone pode incluir rotas que mudam dinamicamente para se adaptar às necessidades das pessoas. Dados de transporte em tempo Real e históricos já são usados para determinar as rotas de ônibus mais ideais e a localização das paradas em uma granularidade fina. A mobilidade sob demanda pode ser facilitada por tecnologias de ponta para veículos autônomos. Pegar um carro sem motorista para passear pode ser tão fácil quanto usar um smartphone. Os pods robô saberia quando as pessoas chegam a uma estação, onde as pessoas estão que precisam de um passeio agora, e onde os outros pods robô são. Depois de levar as pessoas ao seu destino, os pods de robôs se dirigiriam para o próximo cliente, usando algoritmos de correspondência de demanda e coordenação para otimizar as operações da frota e minimizar o tempo de espera das pessoas. O transporte público seria conveniente e personalizado.

Deixe uma resposta

O seu endereço de email não será publicado.