Robô da Eka apanha 1 500 objetos/hora em demos, contra ~600 humanos

Um investigador de robótica de um laboratório de IA de ponta, que pediu para não ser identificado, descreveu o momento em que um robô grande e pesado se precipitou na direção do seu braço, abrandou a tempo e lhe tocou com muita delicadeza. O robô tinha recebido uma framboesa, o item de teste preferido do laboratório, e não a esmagou. Há anos que os robôs aprendem a partir de demonstrações filmadas.

A startup por trás do robô, a Eka Robotics, foi fundada pelo professor do MIT Pulkit Agrawal e por Tuomas Haarnoja, antigo investigador da Google DeepMind. A sua ronda mais recente, uma série A de 150 milhões de dólares, avalia a empresa em 1,45 mil milhões de dólares pós-money, ou seja, depois de somado o novo dinheiro. A ronda foi liderada pelos fundos de capital de risco a16z e F-Prime. Raghu Raguram, sócio-gerente da a16z que a coliderou, disse ao TechCrunch que espera um «desempenho sobre-humano em muitas tarefas de manipulação hábil» nos «próximos meses». Trata-se de uma previsão de investidor, não de um resultado medido.

A escolha técnica está no centro da história. A maioria dos modelos de robôs associa visão a linguagem, numa conceção conhecida como visão-linguagem-ação. O modelo de base da Eka associa visão a força, ou seja, o empurrão e a resistência que uma mão sente ao tocar em algo. Agrawal resumiu-o assim: «A visão diz-te mais ou menos onde está o objeto, qual é a posição, mas o agarrar em si, a procura em si, acontece através das forças.» A mão foi redesenhada com mais sensores de força, para reagir no instante em que encontra resistência. A empresa treina esse comportamento num simulador físico, que modela as forças a que um robô está sujeito quando tenta agarrar algo, e executa daí a resultante aprendizagem por reforço, um método em que um programa aprende por tentativa e recompensa, à escala. A Eka diz que isto produz milhares de horas de experiência em minutos, em vez da lenta recolha de imagens por trabalhadores pontuais ou operadores. Os fundadores não divulgaram como ajustaram a simulação, invocando a concorrência.

O que isto muda, se os números se confirmarem, é a divisão de tarefas entre máquinas. Um modelo geral pode planear uma tarefa, enquanto um modelo como o da Eka trata do contacto físico. A velocidade tem um custo: o braço do robô é suficientemente forte para se danificar ao mover-se depressa, e o índice de fiabilidade superior a 95% da Eka é da própria empresa. A reportagem não indica qualquer data para trabalho fora das demonstrações, nem cliente ou preço. Para os construtores de robôs, o próximo teste é saber se a pega se mantém numa fábrica ou num armazém, sobre objetos que o sistema nunca viu.