Treinar um robot não é uma tarefa fácil, mas a inteligência artificial pode ajudar a agilizar o processo, através de métodos como o da aprendizagem por reforço. Seguindo outros estudos realizados nesta área, uma equipa de investigadores usou este método para fazer com que o robot recordista Cassie aprendesse novos truques por si próprio.
Recorde-se que o robot Cassie já tinha demonstrado que era capaz de percorrer uma maratona de cinco quilómetros em 2022, conseguiu percorrer uma distância de 100 metros em apenas 24,73 segundos, sendo este um feito reconhecido pelo Guinness World Records.
Os investigadores, que publicaram as suas conclusões num novo estudo, explicam que, com o método da aprendizagem por reforço, o robot Cassie aprendeu a percorrer distâncias de 400 metros numa variedade de superfícies e a saltar a diferentes alturas e distâncias.
Veja o vídeo
De acordo com a equipa, o robot foi treinado com recurso a uma simulação. Numa primeira fase, a rede neural usada para controlar o robot foi treinada para realizar um conjunto de tarefas simples, imitando os exemplos que lhe eram apresentados.
A partir daí, os investigadores foram apresentando novos comandos ao modelo, com tarefas que permitiam fazer uso das competências aprendidas anteriormente. Mais tarde, a equipa recorreu a outra técnica que permite que o robot se consiga adaptar mais rapidamente a tarefas ou situações inesperadas.
Em declarações ao website MIT Technology Review, os investigadores indicam que, num futuro próximo, tencionam avaliar como este método pode ser utilizado para treinar outros tipos de robots, incluindo autómatos equipados com câmaras.
Em destaque
-
Multimédia
Novo Toyota bZ4X: A atualização profunda que muda (quase) tudo no modelo elétrico japonês -
Site do dia
Mantenha o histórico de navegação sempre limpo com a extensão Click&Clean -
App do dia
Não perca os momentos mais importantes das reuniões. A nova app da Krisp tira notas por si -
How to TEK
Como utilizar a voz para controlar o Windows 11 e ditar texto no computador?
Comentários