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.