Expansão da percepção robótica

A evolução dos robôs

Os robôs evoluíram significativamente desde o surgimento do Roomba. Hoje, drones começam a fazer entregas de porta em porta, carros autônomos navegam em algumas estradas, cães-robôs auxiliam socorristas, e outros robôs realizam acrobacias e colaboram em fábricas. Luca Carlone, no entanto, acredita que o melhor ainda está por vir.

Percepção: o elo entre humanos e robôs

Carlone, recentemente promovido a professor associado no Departamento de Aeronáutica e Astronáutica (AeroAstro) do MIT, dirige o SPARK Lab. Lá, ele e seus alunos trabalham para preencher uma lacuna crucial entre humanos e robôs: a percepção. O grupo conduz pesquisas teóricas e experimentais, todas voltadas para expandir a consciência dos robôs sobre o ambiente de forma semelhante à percepção humana. E, como Carlone costuma dizer, percepção é mais do que detecção.

Desafios da percepção robótica

Embora os robôs tenham avançado muito em sua capacidade de detectar e identificar objetos ao seu redor, ainda há muito a aprender para compreender de forma mais profunda seu ambiente. Como humanos, percebemos objetos não apenas por suas formas e rótulos, mas também por suas propriedades físicas — como podem ser manipulados e movidos — e como se relacionam entre si, com o ambiente maior e conosco.

Objetivo: percepção em nível humano

Essa percepção em nível humano é o que Carlone e seu grupo esperam transmitir aos robôs, de forma que eles possam interagir com segurança e de maneira integrada com as pessoas em suas casas, locais de trabalho e outros ambientes não estruturados.

Avanços do SPARK Lab

Desde que se juntou ao MIT em 2017, Carlone lidera sua equipe no desenvolvimento e aplicação de algoritmos de percepção e compreensão de cena para várias aplicações, incluindo veículos autônomos de busca e resgate subterrâneos e drones que podem pegar e manipular objetos rapidamente. Eles também podem ser úteis para robôs domésticos que seguem comandos em linguagem natural e, potencialmente, até antecipam as necessidades humanas com base em pistas de contexto de nível superior.

“A percepção é um grande gargalo para que os robôs nos ajudem no mundo real”, diz Carlone. “Se pudermos adicionar elementos de cognição e raciocínio à percepção robótica, acredito que eles podem fazer muito bem.”

Ampliando horizontes

Carlone nasceu e cresceu perto de Salerno, Itália, perto da pitoresca costa Amalfitana, sendo o caçula de três irmãos. Sua mãe, professora aposentada de matemática, e seu pai, professor de história aposentado, influenciaram seu caminho. Todos os irmãos se tornaram engenheiros, com Carlone optando pela robótica ou mecatrônica, como era conhecida na época.

Ele não decidiu pela área até o final de sua graduação na Universidade Politécnica de Turim, onde inicialmente focou em trabalhos teóricos, especificamente em teoria de controle. Em seu último ano, fez um curso de robótica que explorava avanços em manipulação e como programar robôs para se moverem e funcionarem.

“Foi amor à primeira vista. Usar algoritmos e matemática para desenvolver o cérebro de um robô e fazê-lo interagir com o ambiente é uma das experiências mais gratificantes”, diz Carlone. “Decidi imediatamente que era isso que queria fazer na vida.”

O próximo passo

Carlone seguiu para um programa de dupla graduação na Universidade Politécnica de Turim e na Universidade Politécnica de Milão, obtendo mestrados em mecatrônica e engenharia de automação, respectivamente. Parte desse programa, chamado Alta Scuola Politecnica, envolvia cursos de gestão onde estudantes de diversas áreas acadêmicas se uniam para conceituar, construir e elaborar um pitch de marketing para um novo produto.

A contribuição para SLAM

Carlone completou seu doutorado em mecatrônica em Turim, escolhendo um tema de tese que muitos consideravam esgotado: “localização e mapeamento simultâneos” ou SLAM. Carlone reformulou o problema de forma que algoritmos pudessem gerar mapas mais precisos sem precisar de uma estimativa inicial, como a maioria dos métodos SLAM da época. Seu trabalho abriu um campo onde muitos acreditavam que não se poderia fazer melhor que os algoritmos existentes.

O futuro da percepção espacial

Hoje, no MIT, Carlone e seu grupo desenvolvem formas de representar o ambiente dos robôs além de caracterizar sua forma geométrica e semântica, utilizando aprendizado profundo e modelos de linguagem para desenvolver algoritmos que permitem aos robôs perceberem seu ambiente de forma mais complexa. Seu trabalho se encaixa em um campo emergente conhecido como “IA espacial”.

“A IA espacial é como o SLAM turbinado”, diz Carlone. “Em resumo, trata-se de permitir que os robôs pensem e compreendam o mundo como os humanos, de formas que possam ser úteis.”

É um grande empreendimento que pode ter impactos abrangentes, permitindo robôs mais intuitivos e interativos para auxiliar em casa, no trabalho, nas estradas e em áreas remotas e potencialmente perigosas. Carlone afirma que ainda há muito trabalho pela frente para se aproximar da percepção humana.

“Tenho filhas gêmeas de 2 anos, e vejo como elas manipulam objetos, carregam vários brinquedos de uma vez, navegam por salas bagunçadas com facilidade e se adaptam rapidamente a novos ambientes. A percepção robótica ainda não pode igualar o que uma criança pode fazer”, diz Carlone. “Mas temos novas ferramentas à disposição. E o futuro é promissor.”