Humanoid, do Reino Unido, lança sistema de aprendizado por reforço com meta de 99,9% de confiabilidade

De acordo com pt.wedoany.com-A empresa britânica de robótica e inteligência artificial Humanoid lançou o KinetIQ Ascend, uma solução técnica baseada em aprendizado por reforço, que visa atingir 99,9% de confiabilidade operacional na velocidade humana ou até mais rápido.

O KinetIQ Ascend é construído sobre a plataforma KinetIQ, lançada anteriormente, e melhora diretamente o desempenho do robô em tarefas industriais por meio de aprendizado por tentativa e erro. O sistema foi testado em várias tarefas, incluindo pegar peças de caixas, entregar objetos a humanos e levantar e mover recipientes com ambos os braços, sendo comprovadamente eficaz em diferentes cenários operacionais.

Em uma aplicação de alimentação de máquinas, onde o robô pega anéis de rolamento de aço de uma caixa e os coloca em uma esteira transportadora, o KinetIQ Ascend aumentou a taxa de transferência em 42%, permitindo que o robô operasse a 1,5 vezes a velocidade da demonstração humana inicialmente aprendida. Em outra tarefa, de pegar itens de uma mala desorganizada e entregá-los a um humano, o método aumentou a taxa de transferência em 85%, elevando a taxa de sucesso de 80% para 98%.

Na terceira tarefa de manuseio de mala com ambos os braços, o robô levantou a mala da mesa usando ambos os braços, dobrando a taxa de transferência, aumentando a taxa de sucesso de 78% para 99% e reduzindo a taxa de falha em cerca de 20 vezes, com todos os resultados alcançados após apenas alguns dias de treinamento.

Esses resultados demonstram uma nova maneira de desenvolver capacidades robóticas com o KinetIQ Ascend, comprovadamente eficaz em uma série de tarefas operacionais reais, desde a coleta de alta velocidade com um braço até o manuseio complexo com dois braços. A tecnologia também prova que o desempenho do robô melhora de forma previsível com o aumento do tempo de treinamento, de forma semelhante à melhoria de grandes modelos de linguagem à medida que mais computação e dados se tornam disponíveis. As tendências de escalabilidade observadas, apoiadas por experimentos de simulação, indicam que a solução pode ser estendida até atingir 100% de confiabilidade.

O novo método também revelou duas outras descobertas: melhorar apenas a parte mais difícil do fluxo de trabalho pode aprimorar toda a tarefa, e o robô é capaz de generalizar para objetos não vistos durante o treinamento.

Jarad Cannon, Diretor de Tecnologia da Humanoid, afirmou que a corrida por robôs humanoides está se tornando uma questão de escala, e o aprendizado por reforço no mundo real pode ser uma parte central da solução. Robôs que antes exigiam meses de ajuste manual agora superam o desempenho de demonstrações humanas em apenas alguns dias. O KinetIQ Ascend oferece um novo caminho para desenvolver capacidades robóticas, eliminando a necessidade de meses de coleta de dados e ajuste manual de cada nova habilidade, começando com comportamentos básicos e permitindo que o aprendizado por reforço os refine em capacidades implantáveis, um processo chamado de construção de "fábrica de capacidades", marcando a transição de robôs humanoides de demonstrações para ferramentas confiáveis na indústria.

A Humanoid delineou essas descobertas em um novo relatório técnico, que cobre a metodologia completa do KinetIQ Ascend, incluindo a infraestrutura de treinamento, soluções algorítmicas e uma análise mais aprofundada dos resultados.