A primeira notícia da conferência Automate deste ano chega por meio do spinout do Alphabet X, Intrinsic. A empresa anunciou no evento de Chicago na segunda-feira que está incorporando uma série de ofertas da NVIDIA em sua plataforma de aplicativos robóticos Flowstate.
Isso inclui Isaac Manipulator, uma coleção de modelos básicos projetados para criar fluxos de trabalho para braços robóticos. A oferta foi lançada no GTC em março, com alguns dos maiores nomes da automação industrial já a bordo. A lista inclui Yaskawa, Solomon, PickNik Robotics, Ready Robotics, Franka Robotics e Universal Robots.
A colaboração concentra-se especificamente na preensão (agarrar e pegar objetos) – uma das principais modalidades para a automação da fabricação e do atendimento. Os sistemas são treinados em grandes conjuntos de dados, com o objetivo de executar tarefas que funcionam em hardware (ou seja, agnosticismo de hardware) e com diferentes objetos.
Isso quer dizer que os métodos de separação podem ser transferidos para diferentes configurações, em vez de ter que treinar cada sistema para cada cenário. Como seres humanos, depois de descobrirmos como pegar as coisas, essa ação pode ser adaptada a diferentes objetos em diferentes ambientes. Na maior parte dos casos, os robôs não conseguem fazer isso – pelo menos não por enquanto.
Créditos da imagem: Intrínseco
“No futuro, os desenvolvedores poderão usar habilidades de compreensão universal prontas como essas para acelerar significativamente seus processos de programação”, disse a fundadora e CEO da Intrinsic, Wendy Tan White, em um post. “Para a indústria em geral, este desenvolvimento mostra como os modelos básicos podem ter um impacto profundo, incluindo tornar os desafios atuais de programação de robôs mais fáceis de gerenciar em escala, criando aplicações anteriormente inviáveis, reduzindo custos de desenvolvimento e aumentando a flexibilidade para os usuários finais.”
Os primeiros testes do Flowstate ocorreram em Isaac Sim – a plataforma de simulação robótica da NVIDIA. O cliente intrínseco, Trumpf Machine Tools, está trabalhando com um protótipo do sistema.
“Essa habilidade de compreensão universal, treinada com dados 100% sintéticos no Isaac Sim, pode ser usada para construir soluções sofisticadas que podem realizar tarefas adaptativas e versáteis de compreensão de objetos em simulação e real”, diz Tan White sobre o trabalho de Trumpf com a plataforma. “Em vez de codificar garras específicas para capturar objetos específicos de uma determinada maneira, o código eficiente para uma garra e um objeto específico é gerado automaticamente para concluir a tarefa usando o modelo básico.”
A Intrinsic também está trabalhando com a DeepMind, de propriedade da Alphabet, para quebrar a estimativa de pose e o planejamento de caminho – dois outros aspectos importantes da automação. Para este último, o sistema foi treinado em mais de 130 mil objetos. A empresa afirma que os sistemas são capazes de determinar a orientação dos objetos em “alguns segundos” – uma parte importante para poder captá-los.
Outra peça importante do trabalho da Intrinsic com DeepMind é a capacidade de operar vários robôs em conjunto. “Nossas equipes testaram esta solução 100% gerada por ML para orquestrar perfeitamente quatro robôs separados trabalhando em uma simulação de aplicação de soldagem automotiva em escala reduzida”, diz Tan White. “Os planos de movimento e trajetórias de cada robô são gerados automaticamente, livres de colisões e surpreendentemente eficientes – com desempenho cerca de 25% melhor do que alguns métodos tradicionais que testamos.”
A equipe também está trabalhando em sistemas que usam dois braços ao mesmo tempo – uma configuração mais alinhada com o mundo emergente dos robôs humanóides. É algo que veremos muito mais nos próximos anos, humanóide ou não. Passar de um braço para dois abre um mundo inteiro de aplicações adicionais para esses sistemas.
