ABU DABI, 30 de junho de 2025 (WAM) – Apesar dos avanços significativos, a automação robótica ainda enfrenta dificuldades para realizar tarefas delicadas e tácteis com precisão, como a inserção de conectores ou o manuseio de materiais flexíveis. Uma nova inovação – Tactile Skills (Habilidades Táteis) – está mudando esse cenário.
Sami Haddadin, vice-presidente de Pesquisa da Universidade Mohamed bin Zayed de Inteligência Artificial (MBZUAI), trabalhou com seu ex-aluno de doutorado Lars Johannsmeier, com os colegas Yanan Li, da Universidade de Sussex, e Etienne Burdet, do Imperial College, e liderou o trabalho que resultou no artigo publicado na revista Nature Machine Intelligence em 23 de junho.
O artigo apresenta o inovador framework de IA incorporada, denominado Tactile Skills, como uma abordagem teoricamente sólida, prática e escalável, inspirada no sistema neural humano e no treinamento vocacional humano.
O método deles utiliza uma taxonomia claramente estruturada com base nas especificações de processos definidas por especialistas. Em termos simples, é como dar aos robôs seu próprio currículo especializado, ajudando-os a aprender e dominar rapidamente novas tarefas físicas.
“Nosso framework preenche a lacuna entre a expertise humana e a capacidade robótica. É gratificante ver os robôs agora dominando tarefas complexas com precisão e adaptabilidade. Não é apenas um progresso incremental; é um salto significativo para a automação prática no cotidiano”, afirmou Sami Haddadin.
Essa abordagem foi amplamente testada em 28 tarefas industriais distintas, incluindo operações complexas, como inserção de plugues e corte de precisão. De maneira notável, os robôs alcançaram quase 100% de sucesso e desempenho de nível industrial, mesmo quando enfrentaram mudanças inesperadas na posição dos objetos ou nas condições ambientais. Esses robôs não apenas desempenharam as tarefas de forma confiável, mas o fizeram rapidamente e com erro mínimo.
Uma vantagem crucial desse método é que ele não depende exclusivamente de tentativas e erros extensivos ou de grandes conjuntos de dados, como os métodos tradicionais de aprendizado de máquina costumam fazer. Em vez disso, ele combina o conhecimento de processos de especialistas com componentes reutilizáveis de controle tátil e adaptação, simplificando e acelerando significativamente o processo de aprendizado do robô. Isso reduz o consumo de energia e aumenta o desempenho de maneira drástica em comparação com abordagens atuais baseadas em aprendizado profundo.
Um dos maiores feitos do framework foi a montagem bem-sucedida de um dispositivo industrial complexo utilizado em plantas de enchimento de garrafas, demonstrando sua aplicabilidade para cenários de fabricação do mundo real. Ao conectar definições de processos especializados com o aprendizado robótico de maneira estruturada, esse método permite que operadores, mesmo sem grande expertise em robótica, utilizem robôs de forma eficaz em tarefas diversas, reduzindo significativamente o tempo de preparação e os custos.
“Essa pesquisa representa um grande avanço rumo à automação generalizada, transformando os robôs de ferramentas especializadas em assistentes adaptáveis e habilidosos e, finalmente, em agentes físicos de IA. As indústrias agora podem imaginar uma automação maior de tarefas complexas e tácteis, desbloqueando um novo potencial para eficiência, segurança e escalabilidade. No fim, esse avanço não melhora apenas como os robôs executam tarefas específicas, mas remodela o que é possível para a automação, tornando as habilidades robóticas versáteis e confiáveis amplamente acessíveis para as indústrias e, eventualmente, para nossas casas”, disse Haddadin.
Novo framework físico de IA permite aprendizado rápido de habilidades complexas em robótica
