A Apple desenvolveu um sistema de inteligência artificial capaz de ensinar robots humanoides a executar tarefas em ambientes domésticos através de simulações digitais. A tecnologia, denominada HALO, utiliza milhares de cenários virtuais para treinar movimentos e interpretar instruções em linguagem natural, tendo alcançado uma taxa média de sucesso de 91% em testes realizados em ambientes reais desconhecidos.
A investigação procura ultrapassar um dos principais desafios da robótica: permitir que máquinas humanoides se adaptem a espaços que nunca encontraram, sem depender de movimentos previamente programados ou de mapas detalhados.
HALO utiliza inteligência artificial para treinar robots em casas virtuais
O HALO foi desenvolvido por investigadores da Apple para combinar três capacidades fundamentais: visão, compreensão de linguagem e controlo de movimentos.
Em vez de recolher exclusivamente demonstrações realizadas por humanos, o sistema utiliza ambientes gerados por computador para produzir dados de treino automaticamente.
Os investigadores criaram 1.000 habitações virtuais, com diferentes divisões, dimensões e disposições de mobiliário.
Nestes espaços, os robots aprenderam a executar tarefas como sentar-se numa cadeira, atravessar portas parcialmente abertas, deslocar-se até objetos específicos e ultrapassar obstáculos.apple-
A abordagem procura reduzir a dependência da recolha manual de dados, que pode exigir várias horas de trabalho humano para preparar experiências de treino.
Investigação gerou 300 horas de dados e 162 mil episódios
Para desenvolver o sistema, a equipa recorreu ao Infinigen, uma tecnologia de geração de ambientes virtuais, e ao modelo de movimento Kimodo.
O processo permitiu produzir aproximadamente 300 horas de dados, distribuídas por cerca de 162 mil episódios de treino.
Cada episódio reúne informação visual, uma instrução e os movimentos necessários para completar determinada tarefa.
A arquitetura do HALO está organizada em três componentes.
A primeira interpreta as instruções e divide-as em subtarefas. A segunda transforma essas indicações em planos de movimento com uma duração aproximada de cinco segundos. A terceira executa os movimentos através das articulações do robot.
Esta combinação permite relacionar aquilo que a máquina observa com as ações necessárias para responder a um pedido.
Robot Unitree G1 alcança 91% de sucesso nos testes
O sistema foi implementado num Unitree G1, um robot humanoide equipado com câmaras e um computador Mac mini M4 Pro.
Os investigadores avaliaram seis tarefas em ambientes simulados e reais, incluindo deslocação até objetos, passagem por portas, movimentos sob obstáculos e transporte de objetos através de empurrões.
No total, foram realizados 6.000 ensaios em simulação e 360 testes físicos.
Nos ambientes reais, o HALO alcançou uma taxa média de sucesso de 91%.
Entre os resultados individuais, destacam-se os 100% de sucesso na tarefa de agachar-se sob um obstáculo, 93% na passagem por uma porta parcialmente aberta e 85% ao sentar-se numa cadeira.
As habitações utilizadas nos testes físicos não tinham sido previamente observadas, digitalizadas ou mapeadas pelo sistema.
Simulação poderá acelerar desenvolvimento da robótica doméstica
Uma das principais dificuldades da robótica humanoide consiste em transferir competências adquiridas em ambientes digitais para o mundo físico.
Este desafio, conhecido como sim-to-real, resulta das diferenças entre as condições simuladas e fatores reais, como iluminação, obstáculos e características dos espaços.
Para reduzir essas diferenças, os investigadores introduziram alterações visuais durante o treino, incluindo variações de contraste, exposição e iluminação.
Os resultados sugerem que a geração de dados sintéticos pode acelerar a aprendizagem de robots, reduzindo a necessidade de demonstrações humanas.
Contudo, a investigação não significa que a Apple esteja prestes a lançar um robot doméstico comercial. Os resultados dizem respeito a tarefas específicas realizadas em condições experimentais.
Ainda assim, o HALO representa um avanço na investigação sobre sistemas capazes de compreender instruções e adaptar movimentos a ambientes desconhecidos, aproximando a robótica humanoide de aplicações domésticas mais autónomas.