Os pesquisadores desenvolveram um novo sistema de inteligência artificial que permite que os robôs recuperem sua posição de forma confiável, mesmo depois de serem movidos, desligados ou deslocados de outra forma – um problema comum conhecido como o problema do “robô sequestrado”. A descoberta, desenvolvida na Universidade Miguel Hernández de Elche, em Espanha, poderá melhorar significativamente a praticidade dos robôs autónomos em cenários do mundo real.
O Desafio do ‘Robô Seqüestrado’
Durante anos, um dos maiores obstáculos na robótica tem sido a localização confiável : a capacidade de um robô saber precisamente onde está. Os métodos tradicionais muitas vezes dependem de GPS ou mapas pré-programados, que são impraticáveis em muitos ambientes. Os sinais de GPS apresentam dificuldades em ambientes fechados, perto de edifícios altos ou em áreas com fraca cobertura de satélite. Mapas pré-programados requerem atualizações constantes, o que pode ser difícil em espaços dinâmicos.
Este novo sistema, denominado MCL-DLF (Monte Carlo Localization – Deep Local Feature), oferece uma alternativa ao tornar os robôs mais autossuficientes.
Como funciona o novo sistema
O sistema MCL-DLF utiliza tecnologia 3D LiDAR, que emprega pulsos de laser para escanear e criar um mapa detalhado do ambiente circundante. Isso permite que o robô opere sem precisar de infraestrutura externa como GPS ou mapas pré-existentes.
Veja como funciona em etapas:
- Amplo reconhecimento: Primeiro, a IA identifica a área geral reconhecendo grandes características, como edifícios ou vegetação.
- Análise detalhada: Em seguida, restringe a localização exata analisando detalhes menores e exclusivos. O processo imita como os humanos encontram seu caminho em lugares desconhecidos.
- Atualizações contínuas: Usando aprendizagem profunda, o sistema prioriza recursos ambientais úteis para localização e mantém diversas estimativas de localização possíveis, atualizando-as à medida que novos dados do sensor chegam.
Segundo Míriam Máximo, investigadora principal, “isto é semelhante à forma como as pessoas primeiro reconhecem uma área geral e depois confiam em pequenos detalhes distintivos para determinar a sua localização precisa”.
Testes e resultados do mundo real
Os pesquisadores testaram o sistema durante meses no campus da universidade, sob diversas condições – incluindo mudanças sazonais, diferentes níveis de iluminação e mudança de vegetação. Os resultados mostram que o MCL-DLF proporciona maior precisão de posicionamento e desempenho mais consistente em comparação com os métodos tradicionais. Isso significa que o robô pode se localizar com segurança mesmo quando o ambiente muda ao longo do tempo.
Por que isso é importante
As implicações são significativas. Os robôs autônomos estão se tornando essenciais em logística, inspeção de infraestrutura, monitoramento ambiental e veículos autônomos. Um sistema que permita que estes robôs operem de forma mais independente e confiável irá acelerar a sua adoção.
O desenvolvimento de métodos de localização mais confiáveis é fundamental para desbloquear todo o potencial da robótica em aplicações do mundo real.
Ao reduzir a dependência de infraestrutura externa e adaptar-se a ambientes dinâmicos, o sistema MCL-DLF representa um passo importante para tornar os robôs verdadeiramente autônomos e úteis em ambientes complexos e imprevisíveis.
