Os Cobots são itens "obrigatórios" para a automação industrial, mas na verdade apenas arranharam a superfície do que podem alcançar. Para isso, será necessária a magia da inteligência artificial.
Barry Manz para Mouser Electronics (*)
MEC189S
Os Cobots percorreram um longo caminho nos poucos anos desde que foram identificados como espécie. Inicialmente, eles podiam executar apenas uma única tarefa repetitiva, mas hoje eles podem executar vários conjuntos de tarefas complexas dedicadas a estações de trabalho específicas numa linha de produção.
Eles até foram apontados como tendo a capacidade de "aprender" - isto é, no sentido básico da definição do dicionário de adquirir conhecimento (ou seja, aprender), ou sendo ensinado, ou através da experiência.
Atualmente os Cobots dominam o primeiro método que é o aprendizado, através do ensino, mas não do segundo método baseado em experiências, isso porque requer as capacidades de inteligência artificial (IA) que os cobots atualmente não possuem, mas logo o terão .
E se eles tivessem um Cérebro
Tradicionalmente os robôs industriais eram programados para executar uma única função composta de várias etapas.
Isso é conseguido com a criação de muitos códigos, o que leva muito tempo, requer perícia de programação formidável e limita severamente a capacidade de um robô se adaptar rapidamente a novas situações.
Cobots são muito diferentes. Apesar de precisarem ser programados, o processo pode ser tão simples que qualquer um pode fazer, da mesma forma que criar uma macro num teclado de computador.
Ao invés de escrever um código, um ser humano guia o cobot através de uma série de etapas usando um aplicativo de smartphone ou tablet para marcar os pontos-chaves e assim salvar os resultados. Armada com vários conjuntos de habilidades, o cobot pode ser movido entre as diversas estações de trabalho em uma linha de produção, e a recuperação de uma determinada rotina pode ser feita pressionando um botão.
Os Cobots possuem hoje apenas uma forma rudimentar de aprendizado, já que sua única capacidade autônoma é fornecida por sensores que determinam distância, velocidade, proximidade, força e talvez outras variáveis para manter seu parceiro humano próximo seguro enquanto executa precisamente suas tarefas.
Agora, imagine o que os cobots poderiam fazer, como disse o Espantalho (Referência ao homem de lata do filme Mágico de Oz), “se [eles] tivessem apenas um cérebro” e pudessem desenvolver suas capacidades originais tomando suas próprias decisões.
Com poder semelhante ao cérebro, eles poderiam modificar dinamicamente uma etapa (ou etapas) em uma rotina com base no que “vêem” em tempo real, otimizando autonomamente um processo de produção ao invés de simplesmente seguir as etapas que foram ensinadas.
Eles também poderiam se deslocar de um lugar para outro, mesmo em grandes instalações, notando as mudanças em seus ambientes cotinuamente. Se uma situação os deixasse confusos, em vez de recorrer ao processo complexo e não intuitivo de codificação ou instrução manual, eles simplesmente poderiam perguntar a seus parceiros humanos o que fazer e receber a resposta verbalmente. Através dos vários elementos da
IA, isso e muito mais é o que a indústria da cobótica espera alcançar.
Não são novos os robôs com diferentes níveis de autonomia, assim como o Aibo da Sony, o ASIMO da Honda, os robôs Spirit e Opportunity da NASA, os robôs militares PackBot da iRobot e muitos outros vêm realizando feitos impressionantes de autonomia há anos.
Porém cada robô custa dezenas a centenas de milhões de dólares. Para ser comercialmente viável, geralmente um cobot custa dezenas de milhares de dólares.
Mas, criar um cobot com tecnologia de ponta no nível industrial é um enorme desafio. No entanto, como os tecnólogos demonstraram de tempos em tempos, onde existe um mercado lucrativo, onde o dinheiro e o talento para atendê-lo aparecerão. Isso já está ocorrendo nas universidades e nas indústrias, com os "coboticistas" fazendo hora-extra para fazer dos cobots tudo o que eles podem ser.
Inteligência não tão "artificial"
Embora a IA seja tipicamente difundida como uma única entidade, é na verdade uma disciplina que abrange uma grande família de subconjuntos de solução de problemas, abrangendo: raciocínio, planejamento, aprendizado, verbalização, percepção, localização, manipulação entre outros - algumas ou todas as quais são necessárias, dependendo da aplicação. A própria disciplina se baseia em outras disciplinas, desde estatística, matemática, ciências gerais e economia indo até filosofia, psicologia, neurobiologia e linguística. Felizmente, os cobots não precisam abordar todas essas áreas, pelo menos ainda não.
A principal habilidade que uma IA para cobots precisa é a aprendizagem automática: a capacidade de melhorar progressivamente as suas habilidades através da experiência adquirida ao longo do tempo. O aprendizado automático usa algoritmos de IA que, por meio de aprendizado e análise de dados, permitem que os cobots façam predições e, assim, tomem suas próprias decisões.
O próximo quesito é a percepção, a habilidade que um Cobot usa os dados gerados por sensores para criar uma “visão” do mundo que o rodeia. Isso é importante para os Cobots, porque ao contrário dos robôs enclausurados , eles funcionam de mãos dadas com os humanos, sem esta habilidade, a segurança estaria severamente comprometida.
O movimento e a manipulação implementados através da IA são requisitos básicos de habilidades que permitem que um cobot manipule e empregue quaisquer objetos contidos em suas garras e outras ferramentas no final de seus braços. Embora não seja necessário executar funções manipuladoras, a IA é essencial para os cobots móveis que precisam executar navegação, localização, mapeamento e planejamento. Assim como na percepção, essas habilidades dependem muito de sensores.
O processamento da linguagem natural (verbalização) é um assunto de intenso desenvolvimento, pois representa um dos objetivos finais da IA na robótica: permitir que os cobots conversem e assim aprendam com seus parceiros humanos. Embora as habilidades de verbalização tenham sido demonstradas, muito mais trabalho deve ser feito nessa área, uma vez que a conquista se baseia em muitas outras áreas da IA.
Outras duas áreas são importantes para o futuro dos Cobóticos: Redes neurais artificiais e aprendizado profundo (deep learning). Uma rede neural artificial é projetada para alcançar habilidades de aprendizado avançadas sem a necessidade de qualquer tipo de programação, tentando imitar efetivamente muitas das habilidades do cérebro humano. O objetivo dessa disciplina imensamente complexa é permitir que os robôs emulem a capacidade dos seres humanos de integrar, de forma suave, entradas com respostas motoras, mesmo quando experimentam mudanças em seu ambiente. Como a maioria dos outros subgrupos do IA ou aqueles relacionados a ele, as redes neurais usam outros recursos dentro do cobot para alcançar seus objetivos.
A aprendizagem profunda é a forma mais avançada de aprendizado de máquina ou aprendizado automático; assim como as redes neurais, a precoupação é com algoritmos inspirados na estrutura e função do cérebro. O aprendizado profundo recebe este nome devid ao seu grande número - ou “profundidade” - de camadas e é basicamente uma rede neural “profunda”. O aprendizado profundo tem o potencial de tornar a criação e o uso de algoritmos muito mais fáceis. Visto de outra forma, o aprendizado profundo é um fluxo de módulos de treinamento realizadas “profundamente”, porque ele usa vários estágios para reconhecer um objeto, todos usados para treinamento. Para o cobotics, o aprendizado profundo é um objetivo futuro, ao invés de ser obtido imediatamente, considerando que requer verdadeiras quantidades de poder de processamento e de dados. Quanto mais tiver de cada um, maior será o seu desempenho.
Últimos avanços dos Cobots
Os robôs autônomos de serviço móvel desenvolvidos pelos pesquisadores liderados por Manuela Veloso no Instituto de Robótica da Carnegie Mellon University são excelentes exemplos do “estado-da-arte” de um cobot. Há mais de quatro anos, eles navegam pelos prédios de escritórios dividido em baias, incluindo corredores, elevadores e áreas abertas, cobrindo mais de 800 quilômetros. Eles podem transferir cargas de cobot para cobot, pedir ajuda às pessoas para compensar suas limitações, e organizar seus cronogramas de entrega para otimizar a sua eficiência. Como estes robôs de serviço não possuem mãos, usam uma cesta para a coleta e entrega de objetos ou indicar o caminho às pessoas.
Suas capacidades de programação e comunicação são notáveis. Por exemplo, se um robô é bloqueado num corredor, ele informará via wireless os outros robôs da situação, para que possam rever suas rotinas e evitar aquele caminho. Se um robô detectar uma porta fechada num escritório onde um outro robô está programado para fazer uma coleta ou entrega, ele informará que aquele robô e ao sistema que atrasará a parada até que o ocupante daquele escritório tenha retornado.
Para se adaptar as mudanças feitas nos ambientes físicos dos edifícios, como cafeterias e átrios, onde mesas e cadeiras são frequentemente deslocadas, bem como onde o movimento de pessoas é constante, a equipe desenvolveu um algoritmo baseado em localização não-histórica de Markov (EnML). Esse algoritmo faz suposições sobre objetos sem a necessidade de armazenar grandes quantidades de dados, como seria no caso de mapas estáticos. A abordagem do EnML também elimina a necessidade de armazenar a observação completa e o histórico funcional de um robô a partir do momento de sua primeira implantação.
Para aumentar a capacidade de verbalização de um cobot, os dados do sensor são convertidos em linguagem natural para permitir descrições de suas experiências. Usando 2.400 declarações faladas coletadas durante a programação, as cobots podem aprender idiomas com um nível de precisão maior que 70%. A cobot então usa esse modelo para prever que verbalização uma pessoa espera e refina ainda mais sua previsão através do diálogo contínuo.
O Instituto Fraunhofer de Pesquisa em Computação Gráfica na Alemanha é outra potência em cobot que acaba de desenvolver o primeiro cobot que pode digitalizar partes de forma autônoma, óptica e tridimensional e fabricá-las com uma impressora 3D em tempo real. Como as impressoras 3D criam peças em pequenos números, elas estão se tornando adequadas para criar peças para carros clássicos, por exemplo, que não estão mais disponíveis comercialmente.
Neste caso, as peças originais são reconectadas e colocadas em uma mesa giratória abaixo do braço robótico que abriga o scanner. Em seguida, o robô assume o movimento do braço ao redor da peça para mapear sua geometria e, simultaneamente, usa algoritmos para criar uma imagem tridimensional do objeto. Depois que as ferramentas de simulação verificam a precisão da varredura, a peça é impressa. Tudo isso ocorre sem qualquer programação, treinamento manual ou ferramentas de desenho assistido por computador (CAD).
Um futuro inebriante para Cobotics
Demorou 54 anos, desde o momento em que George Devol patenteou o primeiro braço robótico industrial em 1954 até o nascimento em 2008 da cobot UR5 na Universal Robots, para formar o reino dos cobotics. As próximas grandes conquistas chegarão muito mais rápido e, para isso, a indústria agradecerá a Inteligencia Artificial. Ainda assim, considerando que a IA é um trabalho em constante progresso, é provável que ela dê um passo de cada vez, com avanços incrementais adicionando inteligência às máquinas, dando início a uma nova geração que irá promovê-los de colaboradores a parceiros completos.
Referência:
Revista Geração Robótica - http://br.mouser.com/empowering-innovation/generation-robot
Barry Manz
https://br.mouser.com/blog/author/barry-manz/aid/530
