Sistema de memória do MIT ajuda robôs a corrigir objetos mal identificados

O que aconteceu

Pesquisadores do MIT desenvolveram o UQ-DAAAM, um sistema de memória para robôs que detecta descrições de objetos armazenadas com probabilidade de estarem erradas e as corrige, segundo o MIT News. Os estudantes de pós-graduação Harry Zhang e Nicolas Gorlo são coautores principais do artigo, e o professor associado Luca Carlone é o autor sênior. O artigo será apresentado na Conference on Neural Information Processing Systems.

O sistema mede o grau de confiança de um modelo de visão e linguagem nas palavras de uma descrição e, em seguida, compara essa descrição com as de um mesmo objeto captadas de outros ângulos. Os dois sinais são combinados em uma única pontuação de incerteza. Acima de um limite definido, uma regra simples escolhe quadros adicionais para análise. A equipe demonstrou matematicamente que essa regra consegue selecionar os melhores quadros sem precisar executar o modelo novamente, o que reduz bastante o custo computacional. Um grande modelo de linguagem então combina as descrições selecionadas, dando preferência às mais recentes e mais nítidas.

De acordo com os pesquisadores, a etapa de refinamento resolveu ambiguidades em cerca de 92 por cento dos objetos, exigindo apenas duas descrições adicionais por objeto, e aumentou em 5 por cento a precisão das descrições em relação ao estado da arte. O sistema também respondeu com mais acerto do que os métodos de referência a perguntas sobre os objetos, onde estavam e quando foram vistos pela última vez. Carlone afirmou que permitir que um robô reconheça os limites do próprio conhecimento será essencial para implantar com segurança a IA física.

Contexto

O trabalho amplia o DAAAM, um sistema anterior do mesmo grupo. O DAAAM usava um modelo de visão e linguagem para descrever objetos vistos pelas câmeras embarcadas de um robô e armazenava essas descrições em um mapa 3D para consultas posteriores. Visões parciais, distantes, desfocadas ou escuras podiam enganá-lo, como ao confundir uma chaminé cinza com um esquilo. O apoio veio em parte do Office of Naval Research e do Army Research Laboratory, ambos dos EUA.