Até hoje, a maior parte dos robôs manipuladores tem sido aplicada na indústria, executando tarefas como pintura, soldagem e movimentação de material. O ambiente industrial é estruturado, ou seja, é construído de maneira tal que a posição de qualquer material é conhecida pelo robô.
No entanto, para realizar tarefas num ambiente dinâmico, especialmente em ambientes com pessoas, os robôs precisam ser dotados de capacidade de adaptação. O pessoal do Laboratório de Robótica Pessoal
(Personal Robotics Lab) da
Cornell University tem trabalhado em algoritmos de planejamento de trajetórias para robôs manipuladores que consideram o contexto e a preferência do usuário.Veja esse interessante vídeo com resultados de um dos trabalhos.
Este trabalho foi realizado pelo estudante de doutorado Ashesh Jain e pelo Prof. Ashutosh Saxena.
No trabalho mostrado acima, o robô aprende as preferências através de interações com o usuário. Você pode
ver aqui um exemplo de robô que aprende observando os humanos, e
aqui outro exemplo de robô que aprende de forma parecida com a de uma criança. A interação homem-robô só tende a crescer e certamente teremos mais e mais robôs com capacidade de aprendizado! Viva a Skynet!
Até a próxima!
Referência:
http://pr.cs.cornell.edu/coactive/
