Google apresenta IA

O Google apresentou seu teste de dois anos de robôs orientados por IA que classificam recicláveis ​​e resíduos com alto grau de eficiência, possivelmente anunciando o que está por vir.

Por meio da aplicação de RL, os robôs móveis, com sistemas de visão e um braço, foram capazes de lidar com tarefas do mundo real em ambientes de trabalho, com uma combinação de dados offline e online, permitindo que eles se adaptassem à ampla variabilidade de situações do mundo real. .

O estudo programou os robôs – fornecidos pela Everyday Robots, uma parte da Alphabet, empresa controladora do Google – para vagar e procurar por “situações de lixo” – lixeiras para materiais recicláveis, compostagem e lixo. Eles foram então encarregados de separar os itens entre as lixeiras para que todos os recicláveis ​​(latas, garrafas) fossem colocados na lixeira reciclável, os itens compostáveis ​​(recipientes de papelão, copos de papel) fossem colocados na lixeira de compostagem e todo o resto fosse colocado em a lixeira residual.

Os robôs foram inicializados com um conjunto básico de habilidades – o processo pelo qual um computador é carregado com um programa usando um programa inicial muito menor. As habilidades incluíam quatro conjuntos de experiência:

Discutindo a motivação para o estudo, a equipe de pesquisa disse que, como o mundo real é complexo, diverso e muda com o tempo, os robôs habilitados para RL lutam para se adaptar e, portanto, ainda não são comumente usados ​​no dia a dia.

As 'salas de aula de robôs' fornecem uma grande parte da experiência dos robôs. A equipe disse que, embora os prédios de escritórios do mundo real possam fornecer a experiência mais representativa, o rendimento em termos de coleta de dados é limitado - alguns dias haverá muito lixo para classificar e outros nem tanto.

Ao final dos dois anos, a equipe reuniu 540.000 tentativas em sala de aula e 32.500 tentativas de implantação. Ele descobriu que o desempenho geral do sistema melhorou à medida que mais dados foram coletados. O sistema final foi avaliado nas salas de aula para comparações controladas com cenários baseados no que os robôs viram durante a implantação.

Juntamente com a precisão de 84% do sistema final, testes no mundo real mostraram que o sistema pode reduzir a contaminação entre 40% e 50% em peso. Isso foi determinado com base nas estatísticas de três implantações do mundo real entre 2021 e 2022.

A equipe observa que as políticas de RL finais nem sempre são bem-sucedidas, e modelos maiores e mais poderosos serão necessários para melhorar o desempenho e estendê-los a uma gama mais ampla de tarefas. Outras fontes de experiência, inclusive de outras tarefas, outros robôs e até mesmo vídeos online podem servir para complementar ainda mais a experiência de inicialização.