Grande avanço! Equipe de pesquisa de Pequim propõe o primeiro 'algoritmo híbrido de controle de força e posição' do mundo

Recentemente, equipes de pesquisa chinesas obtiveram avanços significativos no campo dos algoritmos robóticos, propondo a primeira teoria unificada mundial do "algoritmo híbrido de controle de força e posição". Esse algoritmo não depende de sensores de força, permitindo que o robô aprenda simultaneamente o controle de posição e de força. A taxa de sucesso em tarefas relacionadas aumentou cerca de 39,5% em comparação com a estratégia que utiliza apenas controle de posição. Mais notável ainda é o fato de que os artigos relacionados receberam atualmente o Prêmio de Melhor Artigo na Conferência Internacional de Aprendizado de Robôs — a primeira vez, desde a criação desse prêmio, que uma equipe de pesquisadores chineses o conquistou.
No local experimental do Instituto Geral de Pesquisa em Inteligência Artificial de Pequim, um cão mecânico quadrúpede equipado com este novo algoritmo está realizando a tarefa de treinamento de limpar quadros brancos de forma organizada. Os pesquisadores utilizaram este cenário prático para explicar aos jornalistas os princípios centrais e as vantagens proeminentes do "algoritmo híbrido de controle de força e posição".
Jia Baoxiong, pesquisador do Instituto de Pesquisa em Inteligência Artificial Geral de Pequim: os principais modelos visuais de linguagem para ação, na verdade, utilizam fotografias capturadas por câmeras como entrada e, em seguida, realizam previsões de trajetória. Essa trajetória pode fazer com que o robô não consiga aderir estritamente ao quadro branco durante o processo de limpeza, resultando na incapacidade de apagar essa situação. No modelo de controle misto de força e posição, procuramos preencher, na medida do possível, a dimensão da força, alcançando o efeito de aplicar pressão sobre o quadro branco com base em posicionamento preciso, de modo que ele se adapte firmemente ao quadro branco e apague as palavras nele escritas. Ou seja, não apenas achatamos a dimensão da força no modelo original de linguagem visual para ação, mas também alcançamos o efeito de controle simultâneo misto de força e posição.
Segundo pesquisadores, o modelo de ação por linguagem visual amplamente utilizado frequentemente falha ao lidar com muitas tarefas da vida real. O problema central reside no fato de que a maioria dessas tarefas envolve cenários complexos de contato, como, por exemplo, ao limpar um quadro-negro, o braço robótico deve aderir à superfície mantendo uma pressão adequada; ao abrir a porta de um quadro de interruptores, é necessário perceber com precisão a estrutura interna da mola de empurrar-puxar; e o robô não precisa apenas "ir para onde deve ir e estender o braço para onde deve estendê-lo", mas também precisa "entender quanta força deve aplicar". Antes do algoritmo de controle híbrido de força e posição, todos esses desafios precisavam ser resolvidos por meio de sensores de força.
Jia Baoxiong, pesquisador do Instituto de Pesquisa de Inteligência Artificial Geral de Pequim: Sensores de força são, na verdade, mais comumente adicionados a braços robóticos fixos, tornando a instalação mais complicada e cara. O modelo de controle misto de força e posição aumentou a taxa de sucesso dessas tarefas que exigem força em quase 40% em comparação com o modelo VLA tradicional (modelo visual-linguístico-acionável).