O robô da Rhoda acha bolas texturizadas pelo tato, com as câmeras tapadas

Em resumo: A Rhoda AI publicou um sensor tátil e uma versão do modelo Direct Video-Action que prevê o vídeo futuro e o tato futuro. Com as câmeras do pulso e da cabeça bloqueadas, um robô treinado com uma bola lisa e uma texturizada tirou depois as bolas texturizadas de uma caixa de sete, inclusive duas texturas que não estavam no treino.

O sensor

• A Rhoda diz que uma versão montada na garra responde a uma pena (alguns milinewtons) e a um haltere (mais de 40 newtons) e ainda sente a pena depois de uma carga pesada. Sensores ópticos e magnéticos de prateleira que a empresa testou não mostraram resposta clara à mesma pena.
• Ela relata força normal e de cisalhamento, vibração de contato amostrada a cerca de 500 Hz e temperatura, demonstrada com água morna e gelo numa escala de 20–40 °C.
• Os mesmos sensores entram numa Universal Manipulation Interface de mão, de modo que demonstrações humanas registram a força de contato junto com vídeo e movimento. Esse registro é a matéria-prima do aprendizado por imitação.

A tarefa de olhos vendados

O modelo recebe um histórico de “vídeos” táteis, prevê os próximos sinais táteis, e um modelo de dinâmica inversa transforma essas previsões em movimento. As câmeras do pulso e da cabeça estavam cobertas. O robô tinha de vasculhar uma caixa, distinguir pelo contato uma bola texturizada de uma lisa e ajustar a pegada.

O treino usou uma bola azul lisa e uma verde texturizada. O mesmo modelo rodou depois com quatro bolas lisas e três texturizadas. Duas das texturizadas diferiam da bola de treino em diâmetro, firmeza e padrão da superfície. A Rhoda diz que o modelo ainda identificou e retirou as bolas texturizadas e mostra uma execução autônoma estendida. Não informa quantas tentativas isso levou nem uma taxa de sucesso. A Humanoids Daily nota que o vídeo inclui escolhas da bola errada e novas varreduras, com trechos acelerados a 6× e 12×.

Por que importa

A visão falha quando a garra esconde o contato. A Rhoda trata o tato como mais um fluxo de vídeo dentro de um modelo feito para prever pixels, para uma IA incorporada que ainda precisa agir quando a câmera não vê. A demo é uma caixa controlada de bolas. Não é um recipiente de fábrica. A Rhoda não informa a confiabilidade em tentativas repetidas.