Ondas cerebrais podem destravar a próxima geração de robôs

Startups testam ondas cerebrais na IA física para criar dados mais completos e melhorar o desempenho de robôs em tarefas do mundo real.

Conforme informação divulgada pelo TechCrunch, uma disputa de Jenga em um galpão na Califórnia virou um experimento sobre o futuro da robótica.

O participante usa um headset com câmera e sensores capazes de medir sua atividade cerebral enquanto retira blocos de uma torre instável.

A proposta é descobrir se sinais do cérebro podem revelar intenção, erro e surpresa, informações que normalmente não aparecem em vídeos comuns.

A barreira dos dados para a robótica avançada

O teste acontece na Encord, empresa que desenvolve ferramentas para organizar e avaliar dados usados no treinamento de modelos de inteligência artificial.

Além de administrar bases existentes, a companhia passou a criar dados próprios para empresas de robótica. O motivo é simples, os dados físicos necessários ainda não existem em quantidade suficiente.

A empresa trabalha com clientes do setor de robôs, mas não divulga os nomes. Segundo Vineeth Velmurugan, responsável pelo aprendizado robótico da Encord, os fabricantes perceberam que precisariam produzir seus próprios exemplos.

“Os dados simplesmente não existem”, afirmou Velmurugan, conforme a reportagem. A frase resume um dos maiores obstáculos para levar a inteligência artificial generativa do texto para o mundo físico.

Empresas de carros autônomos conseguem coletar informações diretamente de seus veículos, mas esse processo é caro e difícil de ampliar. No caso dos robôs, cada movimento precisa considerar peso, atrito, equilíbrio e precisão.

Vídeos podem ajudar no treinamento, mas não mostram todos os detalhes necessários. Uma gravação de uma pessoa usando as mãos, por exemplo, pode esconder dedos, força aplicada e pequenos ajustes feitos durante a tarefa.

Velmurugan estima que seria necessária uma base semelhante a cinco vezes o tamanho do acervo de vídeos do YouTube para superar a atual limitação da IA física.

Como as ondas cerebrais entram no treinamento

O headset usado no experimento foi criado pela Zander Labs, uma startup alemã de neurociência. A companhia tenta transformar sinais cerebrais em informações úteis para sistemas de aprendizado de máquina.

O objetivo não é fazer o robô ler pensamentos. A ideia é identificar estados mentais associados a uma ação, como hesitação, surpresa, percepção de erro ou intenção de concluir um movimento.

Lucas Gehrke, neurocientista da Zander, explicou que a quantidade de atividade cerebral registrada durante uma tarefa pode indicar quando um modelo precisa usar mais capacidade de processamento.

Em situações simples, o robô poderia responder com um sistema mais rápido e econômico. Quando o usuário demonstra incerteza ou encontra um problema, um modelo mais avançado poderia ser acionado.

O projeto entre Encord e Zander ainda é um teste. A primeira etapa consiste em montar uma base de dados marcada com sinais cerebrais e avaliar se ela melhora o desempenho de modelos usados em robôs.

Somente depois dessa comparação as empresas decidirão se vale a pena ampliar o uso da tecnologia. O resultado será importante para saber se o custo dos sensores traz benefícios reais.

Robôs ainda têm dificuldades com tarefas simples

Durante a visita ao centro da Encord, operadores controlavam braços robóticos em sistemas chamados de líder e seguidor. Um braço era guiado por uma pessoa, enquanto outro copiava seus movimentos.

As tarefas incluíam despejar café em canecas e empilhar fichas de pôquer. Também havia estações para conectar e desconectar cabos de rede na parte traseira de servidores.

Esse tipo de atividade parece simples para um ser humano, mas exige bastante dos robôs. Pinças têm menos destreza que dedos humanos e não contam com a mesma liberdade de movimento dos braços.

O espaço também reunia flores artificiais, livros, alimentos de plástico, bandejas para gatos, pás, sacos e feixes de fios. Esses objetos servem para simular tarefas domésticas e industriais.

O trabalho dos operadores, chamados de pilotos pela Encord, ajuda a criar exemplos detalhados de como um objeto deve ser segurado, movimentado e posicionado.

Andrew Ceja, um dos participantes, usa o headset durante o jogo de Jenga. Antes de entrar na área de treinamento, ele trabalhava em uma empresa de gestão de resíduos e ajudava a manter um sistema robótico de separação de lixo.

Agora, ele participa da criação de dados para sistemas que ainda estão aprendendo a lidar com ambientes imprevisíveis. “É algo novo todos os dias”, disse Ceja na reportagem.

Outros sensores ampliam o mapa dos movimentos

A Encord também testa sensores presos ao antebraço. Eles detectam sinais elétricos dos músculos e podem ajudar a estimar a posição da mão durante a manipulação de objetos.

Com essas informações, a empresa espera construir uma representação tridimensional mais precisa dos movimentos humanos. O recurso poderia compensar partes da mão que não aparecem na câmera.

Os vídeos produzidos pela companhia recebem descrições detalhadas, como “a mão direita aperta o parafuso”. Essas marcações ajudam modelos baseados em grandes modelos de linguagem a interpretar o que está acontecendo.

Velmurugan estima que uma anotação desse nível pode valer 100 vezes mais que um vídeo egocêntrico de baixa qualidade em tarefas específicas.

O custo de produção, porém, seria cerca de 20 vezes maior. Na avaliação da empresa, a diferença ainda pode compensar quando o objetivo é melhorar uma habilidade importante do robô.

Vídeos egocêntricos são gravações feitas por pessoas que usam câmeras no corpo. A Encord coleta esse tipo de material em fábricas de diferentes países e também usa robôs controlados remotamente.

Essas duas fontes são hoje as principais formas de criar dados para a robótica. As ondas cerebrais e os sinais musculares aparecem como tentativas de adicionar informações que uma câmera sozinha não consegue registrar.

O custo pode definir o futuro da IA física

O treinamento de modelos de linguagem se beneficiou de enormes volumes de textos disponíveis na internet. Copiar informações de sites e plataformas digitais custa pouco em comparação com produzir experiências físicas.

Na robótica, cada exemplo envolve pessoas, equipamentos, manutenção, objetos e ambientes controlados. Por isso, gerar dados físicos muda completamente a economia do desenvolvimento de modelos.

A comparação com os chatbots tem limites. Um robô não aprende apenas observando uma frase. Ele precisa entender como um objeto reage ao toque e como ajustar seu movimento diante de uma falha.

Para a Encord, sua posição entre diferentes empresas de robótica também é uma vantagem. A companhia afirma conseguir observar quais métodos começam a funcionar em vários projetos ao mesmo tempo.

O centro de San Leandro deve continuar recebendo pilotos para coletar dados sobre habilidades específicas. A meta é formar bases capazes de aprimorar robôs humanoides, máquinas de armazém e sistemas de manipulação.

As ondas cerebrais podem se tornar uma peça desse processo, mas ainda não há prova de que sejam indispensáveis. O próximo passo será comparar modelos treinados com e sem essas informações.

Se o ganho de desempenho superar o custo dos sensores e da coleta, a neurotecnologia poderá entrar na cadeia de produção da robótica. Caso contrário, câmeras e sensores musculares talvez continuem sendo as opções mais práticas.

Com informações de techcrunch