Quando pensamos em robôs, a maioria de nós imagina algo saído da ficção científica ou como o amigável robô Pepper, visto em eventos de tecnologia nos últimos anos. No entanto, a realidade atual não é tão emocionante. Nos dias de hoje, muitos dos robôs industriais no mercado concentram-se em automatizar tarefas muito simples e repetitivas, como empacotar, fazer inventário, colocar itens em paletes, etc. Esses robôs geralmente são pré-programados ou treinados para executar uma tarefa específica, mesmo que seja em uma linha cooperativa de robôs em uma fábrica de produção montando um produto inteiro. Um amigo meu, que treinava robôs a como soldar, descreveu isso como uma forma de programação visual em que o robô é ensinado a imitar uma única tarefa. Usando uma caneta, eles são instruídos a seguir um conjunto de coordenadas XYZ, como onde estão as linhas de soldagem, quantas áreas devem ser soldadas, manter a temperatura certa, dentre outros.
No final das contas, esses robôs não são realmente autônomos, pois são restritos a essa única tarefa. Isso significa que qualquer variável não contabilizada pode causar problemas com um deles e gerar erros em toda a linha de montagem – os robôs simplesmente não são adaptáveis como os seres humanos. E se a fábrica precisar ser alterada para fazer outra coisa, os operadores ou treinadores robóticos deverão ser contratados para treinar/reconfigurar todos os robôs nessa linha de produção.
Image sources: Softbank Robotics; TechNavio
A boa notícia é que estamos melhorando a aplicação da visão de máquina baseada em sensor e inteligência artificial (IA) ao software da máquina. Isso as equipará com a capacidade de interpretar o mundo ao seu redor e se adaptar a diferentes circunstâncias para as quais foram originalmente treinadas. No entanto, a inteligência real do robô dependerá do aprendizado bidirecional, onde os aprendizados detectados por qualquer robô ou dispositivo individual podem ser aplicados aos algoritmos principais da nuvem e, em seguida, compartilhados com todos os robôs dessa categoria. Esses sistemas contextualmente conscientes de robôs serão interconectados à Internet das Coisas (IoT, na sigla em inglês), sensores, outros robôs e ecossistemas digitais para processamento de dados de IA e construção de modelos. O processamento de todos esses dados dependerá de uma infraestrutura híbrida distribuída de TI e que conta com múltiplas nuvens, com conectividade segura e de baixa latência para troca de dados privada.
Faça o download do whitepaper de infraestrutura digital de IoT
Este whitepaper destaca a importância das empresas transformarem sua infraestrutura digital existente para aproveitar as oportunidades tecnológicas atuais e futuras ao implementar novos modelos de negócios digitais para apoiar a expansão do setor de IoT.
Baixe agora
Tornando os robôs mais inteligentes por meio de IoT e IA
Embora o campo da robótica possa ter um foco diferente dos domínios da IoT e da IA, é a convergência dessas tecnologias e suas arquiteturas de TI de suporte que está introduzindo maior inteligência nos dispositivos finais – nesse caso, os robôs. A ABI Research cunhou o termo “Internet das Coisas Robóticas” (IoRT, na sigla em inglês) para descrever esse tipo de sistema, “onde dispositivos inteligentes podem monitorar eventos, fundir dados de sensores de várias fontes, usar ‘inteligência’ local e distribuída para determinar um melhor curso de ação e, em seguida, aja para controlar ou manipular objetos no mundo físico”. [i] Em contraste com um robô autônomo programado para realizar uma única tarefa, os sistemas IoRT são conectados na borda e na nuvem e podem trocar dados e ideias para se adaptarem a situações que se modificam em tempo real.
O diagrama abaixo ilustra os elementos principais de um sistema de robô conectado. A IoT é como os cinco sentidos humanos que percebem o mundo; a IA na nuvem é o cérebro que processa essas informações e dá sentido a elas, e o robô é o corpo físico que age com base nessas aprendizagens. Em alguns casos, reagimos sem pensar, como não tocar em um fogão quente, porque nosso corpo já aprendeu a associar dor a isso. Isso seria semelhante à IoRT, na qual os robôs físicos já adquiriram a inteligência necessária para se adaptar muito rapidamente a determinadas situações. Outras vezes, quando encontramos novas situações, precisamos pensar e aprender antes de agir, como aprender a parar no sinal vermelho ao dirigir um carro. É aí que a robótica da nuvem entra, o que realmente significa melhorar os principais modelos de IA na nuvem com informações coletadas pelos robôs conectados na borda ou pelo IoRT.
Retirada de A Internet das Coisas Robóticas: Uma revisão do conceito, valor agregado e aplicações [ii]. (Fonte: Equinix/Reprodução)
Exemplo de aprendizado bidirecional – robôs de entrega
Um exemplo de como isso pode funcionar é uma frota de robôs autônomos de entrega. Cada robô de entrega possui seus próprios sensores e um computador de IA para operar e se comunicar com outros robôs da frota e com a plataforma IoRT na borda. Com o tempo, pode ficar claro que uma interseção específica é um problema para vários dos robôs da frota. Talvez o semáforo mude muito rápido, e eles de repente parem e lancem um erro, ou uma obra não planejada na estrada atrapalhe o caminho usual. Todos os dados em torno desse erro, como feeds de vídeo dos sensores, informações dos nós de borda etc., são enviados aos algoritmos principais de IA nas nuvens a fim de treiná-los a reconhecer esses novos casos de borda e explicar essas situações. Em seguida, esse algoritmo de IA atualizado é enviado de volta para toda a frota de robôs como uma atualização de software para que eles sejam capazes de navegar melhor naquela interseção daqui para frente.
Global Interconnection Index (GXI) Volume 3 – Sistema de conexão. (Fonte: Equinix/Reprodução)
Baixa latência é essencial para a inteligência da máquina
Para que esse tipo de aprendizado bidirecional funcione bem, a baixa latência é essencial. As comunicações e interações máquina a máquina (M2M) na borda requerem menos de 20 milissegundos de latência. E, embora o aprimoramento dos principais modelos de IA na nuvem possa tolerar latências mais altas, a atualização do software de retorno à frota de robôs para corrigir problemas e melhorar a precisão precisa ser confiável e oportuna. Isso requer uma infraestrutura de TI distribuída para diminuir a distância entre os eles e um ponto de conectividade para banda larga. As soluções de interconexão neutras do fornecedor, como as da Platform Equinix®, podem preencher a lacuna entre o poder de computação necessário para os modelos principais de IA nas nuvens e o alcance necessário para conectar-se em particular aos ecossistemas digitais para troca segura de baixa latência de dados e melhores modelos de IA.
Arquitetura de IoT e robótica. (Fonte: Equinix/Reprodução)
Faça o download do whitepaper para saber mais sobre as infraestruturas digitais de IoT.
[i] Pesquisa ABI, Internet das Coisas Robóticas, 3T 2014.
Subscribe to the Equinix Blog