Compreender a integração da visão computacional na robótica

A IA na robótica está a avançar a um ritmo incrível, e os robôs estão a ser construídos para executar tarefas mais complexas com menos intervenção humana. Por exemplo, o RoboCat da DeepMind é um robô orientado por IA que consegue aprender novas tarefas com apenas 100 demonstrações. O RoboCat pode depois utilizar estas entradas para gerar mais dados de treino e melhorar as suas capacidades, aumentando a sua taxa de sucesso de 36% para 74% após treino adicional. Inovações como o Robocat representam um grande passo rumo à criação de robôs capazes de executar uma ampla variedade de tarefas com um mínimo de intervenção humana.

Fig. 1. Como funciona o RoboCat da DeepMind.

Os robôs alimentados por IA já estão a causar impacto em várias aplicações práticas, como a utilização de robôs pela Amazon para otimizar as operações de armazém e os robôs com IA que estão a otimizar as práticas agrícolas na agricultura. Anteriormente, explorámos o papel geral da IA na robótica e vimos como esta está a transformar setores que vão da logística aos cuidados de saúde. Neste artigo, vamos aprofundar a razão pela qual a visão computacional na robótica é tão crucial e como ajuda os robôs a percecionar e interpretar o ambiente envolvente.

A importância dos sistemas de visão na robótica#

Os sistemas de visão na robótica funcionam como os olhos de um robô e ajudam-no a reconhecer e compreender o ambiente. Estes sistemas utilizam normalmente câmaras e sensores para captar dados visuais. Os algoritmos de visão computacional processam depois os vídeos e as imagens captados. Através da deteção de objetos, da perceção de profundidade e do reconhecimento de padrões, os robôs conseguem identificar objetos, avaliar o ambiente envolvente e tomar decisões em tempo real.

Fig. 2. Um robô equipado com visão computacional (fonte: roboticstomorrow.com).

A IA de visão ou visão computacional é essencial para que os robôs funcionem de forma autónoma em ambientes dinâmicos e não estruturados. Se um robô precisar de apanhar um objeto, deverá conseguir localizá-lo utilizando visão computacional. Este é um exemplo muito simples. A mesma base de um sistema de visão computacional é necessária para criar aplicações em que os robôs inspecionam produtos na indústria ou ajudam em cirurgias médicas com precisão e exatidão. Ao fornecer as entradas sensoriais necessárias para a tomada de decisões em tempo real, os sistemas de visão tornam possível que os robôs interajam de forma mais natural com o ambiente envolvente e ampliem o leque de tarefas que conseguem executar em vários setores.

Avanços recentes na visão computacional para robôs autónomos#

Recentemente, tem-se verificado um aumento mundial da utilização da visão computacional na robótica. De facto, prevê-se que o mercado global da visão robótica atinja os 4 mil milhões de dólares até 2028. Vejamos alguns estudos de caso que mostram como a IA de visão está a ser aplicada em aplicações robóticas do mundo real para aumentar a eficiência e resolver problemas complexos.

Melhorar as inspeções subaquáticas com IA de visão e robótica#

As inspeções subaquáticas são essenciais para manter estruturas como condutas, plataformas offshore e cabos subaquáticos em boas condições. Estas inspeções ajudam a garantir que tudo é seguro e funciona corretamente, prevenindo reparações dispendiosas ou problemas ambientais. No entanto, inspecionar ambientes subaquáticos pode ser difícil devido à fraca visibilidade e às áreas de difícil acesso.

Os robôs com visão computacional conseguem captar dados visuais nítidos e de alta qualidade, que podem ser analisados no local ou utilizados para criar modelos 3D detalhados das áreas inspecionadas. Ao combinar a experiência humana com esta tecnologia, as inspeções tornam-se mais seguras e eficientes, proporcionando melhores informações para a manutenção e o planeamento a longo prazo.

Por exemplo, a NMS, uma empresa líder em mergulho comercial, utilizou os veículos operados remotamente da Blue Atlas Robotics, Sentinus (ROVs) numa desafiante inspeção subaquática de uma tubagem com um ponto de entrada de águas turvas. O ROV Sentinus, equipado com visão computacional, iluminou a área com as suas catorze luzes e captou imagens de alta resolução a partir de diferentes ângulos. Estas imagens foram depois utilizadas para criar modelos 3D precisos do interior da tubagem, ajudando a NMS a avaliar exaustivamente o seu estado e a tomar decisões informadas de manutenção e gestão de riscos.

Fig. 3. Como funcionam os Sentinus (ROVs) da Blue Atlas Robotics.

Construir casas com IA de visão e precisão robótica#

No setor da construção, manter uma qualidade consistente enquanto se enfrentam carências de mão de obra pode ser difícil. Automatizar a construção com robôs industriais oferece uma forma de otimizar o processo de construção, reduzir a necessidade de trabalho manual e garantir um trabalho preciso e de alta qualidade. A tecnologia de visão computacional pode ser integrada nesta automatização, permitindo que os robôs realizem monitorização e inspeções em tempo real. Especificamente, os sistemas de visão computacional podem ajudar os robôs a detetar desalinhamentos ou defeitos nos materiais, verificando se tudo está corretamente posicionado e cumpre os padrões de qualidade.

Um excelente exemplo disso é a parceria entre a ABB Robotics e a start-up britânica AUAR. Juntas, estão a utilizar microfábricas robóticas equipadas com IA de visão para construir casas acessíveis e sustentáveis a partir de madeira em placas. A visão computacional permite que os robôs cortem e montem os materiais com precisão. O processo automatizado ajuda a resolver a escassez de mão de obra e simplifica a cadeia de abastecimento ao concentrar-se num único material. Além disso, estas microfábricas podem ser ampliadas para responder às necessidades locais e apoiar empregos nas proximidades, tornando simultaneamente a construção mais eficiente e adaptável.

Fig. 4. Microfábricas robóticas alimentadas por IA de visão.

Automatizar o carregamento de EV com IA de visão 3D#

O carregamento de EV é outro caso de utilização interessante da IA de visão na robótica. Utilizando visão 3D e IA, os robôs conseguem agora localizar e ligar-se automaticamente às portas de carregamento de EV, mesmo em ambientes desafiantes, como parques de estacionamento exteriores. A IA de visão funciona através da captação de imagens 3D de alta resolução do veículo e do ambiente envolvente, permitindo ao robô identificar com precisão a localização da porta de carregamento. Em seguida, pode calcular a posição e a orientação exatas necessárias para ligar o carregador. A IA equipada com visão não só acelera o processo de carregamento, como também o torna mais fiável e reduz a necessidade de intervenção humana.

Um exemplo disso é o trabalho da Mech-Mind com uma grande empresa de energia. A empresa desenvolveu um robô guiado por visão 3D que consegue encontrar e ligar-se com precisão à porta de carregamento de um EV, mesmo em condições de iluminação difíceis. O carregamento automatizado de EV melhora a eficiência e o carregamento em espaços comerciais, como edifícios de escritórios e centros comerciais.

Fig. 5. Carregamento de EV guiado por visão 3D.

Vantagens da IA de visão para aplicações robóticas#

A visão computacional oferece várias vantagens na robótica e ajuda as máquinas a executar tarefas com maior autonomia, precisão e adaptabilidade. Eis algumas vantagens exclusivas da IA de visão na robótica:

• Eficiência de custos: Ao automatizar tarefas que exigem elevada precisão e consistência, a IA de visão reduz a necessidade de trabalho manual, diminui as taxas de erro e aumenta a produtividade, resultando em poupanças de custos a longo prazo.
• Aprendizagem adaptativa: Através da análise contínua de dados visuais, os robôs podem melhorar o seu desempenho ao longo do tempo, aprender com as suas interações e adaptar-se a novas tarefas ou a alterações no ambiente.
• Segurança e conformidade: A IA de visão aumenta a segurança dos robôs que trabalham ao lado de pessoas, permitindo-lhes detetar e evitar obstáculos, reconhecer condições inseguras e cumprir as normas regulamentares.
• Multitarefa: A análise de imagens permite que os robôs executem várias tarefas em simultâneo, como separar objetos enquanto os inspecionam, aumentando a eficiência geral.

Desafios da visão computacional na robótica#

Embora a IA de visão ofereça muitas vantagens para a robótica, também existem desafios relacionados com a implementação da visão computacional na robótica. Estes desafios podem afetar o desempenho dos robôs em diferentes ambientes e a fiabilidade do seu funcionamento, pelo que é importante tê-los em conta ao planear o desenvolvimento e a implementação de sistemas robóticos. Eis alguns dos principais desafios da utilização da visão computacional na robótica:

• Integração com outros sensores: Os sistemas de visão precisam frequentemente de funcionar em conjunto com outros sensores, como sensores LiDAR ou ultrassónicos. Garantir que estes diferentes sensores funcionam harmoniosamente para proporcionar uma compreensão completa do ambiente é uma tarefa complexa.
• Custo da implementação: Desenvolver e implementar sistemas de visão avançados pode ser dispendioso. Equilibrar os custos de implementação da IA de visão com os benefícios esperados é um desafio enfrentado por muitas organizações.
• Qualidade e disponibilidade dos dados: Os sistemas de visão computacional dependem de grandes conjuntos de dados para o treino, mas pode ser difícil obter dados de alta qualidade e anotados que representem com precisão as várias situações de um robô. Se os dados forem insuficientes ou incompletos, podem resultar em modelos menos precisos e num desempenho inferior dos robôs.
• Fiabilidade em diferentes condições: Os sistemas de visão computacional precisam de ser fiáveis e apresentar um desempenho consistente em vários contextos, como ambientes interiores e exteriores. No entanto, garantir este tipo de robustez sem ajustes frequentes ou intervenção manual pode ser difícil.

A IA de visão está a moldar a próxima geração de robôs#

A IA de visão está a mudar a forma como os robôs interagem com o ambiente, proporcionando-lhes um nível de compreensão e precisão que antes era inimaginável. Já estamos a ver a visão computacional causar um grande impacto em áreas como a indústria e os cuidados de saúde, onde os robôs estão a executar tarefas cada vez mais complexas. À medida que a IA continua a desenvolver-se e os sistemas de visão computacional melhoram, as possibilidades do que os robôs podem fazer continuam a expandir-se. O progresso na robótica não se resume a tecnologia avançada — trata-se de criar robôs capazes de trabalhar connosco. À medida que os robôs se tornam mais capazes, é provável que desempenhem um papel ainda maior na nossa vida quotidiana, abrindo novas oportunidades e tornando o nosso mundo mais eficiente e conectado.

Junta-te à nossa comunidade e explora o nosso repositório no GitHub para aprenderes sobre vários casos de utilização da IA de visão. Também podes saber mais sobre aplicações de visão computacional em condução autónoma e na indústria nas nossas páginas de soluções.