Os robôs há muito lutam para entender a diferença entre um comando e uma realidade. Durante décadas, engenheiros puderam programar uma máquina para mover seu braço com precisão perfeita, mas essa máquina não conseguia entender uma frase simples como "pegue o copo vermelho". Nos últimos anos, um novo tipo de inteligência artificial surgiu para preencher essa lacuna. Esses sistemas, conhecidos como modelos de visão-linguagem-ação, são treinados em quantidades massivas de dados para entender como palavras, imagens e movimentos físicos se conectam. Eles podem olhar para uma cena, ler um pedido e decidir o que fazer, oferecendo um vislumbre de um futuro onde os robôs podem ser instruídos sobre o que fazer em inglês comum, em vez de instruções codificadas. No entanto, um problema persistente permanece: esses modelos são frequentemente treinados em um robô específico em um ambiente controlado e, quando os pesquisadores tentam usá-los em uma máquina diferente, mesmo uma ligeiramente diferente, o robô frequentemente falha. Ele pode entender as palavras perfeitamente, mas falhar no ato físico de agarrar um objeto ou, pior, pode esquecer como seguir instruções inteiramente ao ser forçado a aprender uma nova tarefa.

Uma equipe de pesquisadores da Universidade de Illinois Urbana-Champaign encontrou uma maneira de corrigir isso sem a necessidade de coletar milhares de horas de novas demonstrações humanas. Eles descobriram que, quando um robô falha ao realizar uma tarefa, suas tentativas fracassadas ainda contêm informações valiosas. Ao permitir que o robô tente fazer as coisas por conta própria e aprenda com essas tentativas, eles podem ensinar novas habilidades enquanto mantêm intacta sua capacidade de entender a linguagem. A abordagem deles envolve um processo de duas etapas. Primeiro, eles pegam um "cérebro" de robô pré-treinado e mostram a ele uma pequena quantidade de dados de especialistas — apenas quatorze minutos de um humano guiando o robô através de uma tarefa específica, como pegar um cubo. Isso ensina ao robô as habilidades motoras finas necessárias para aquela máquina específica. Mas se eles pararem por aí, o robô esquece tudo o mais que sabia, como colocar um objeto em outro lugar ou como lidar com diferentes tipos de itens. Para resolver isso, os pesquisadores deixam o robô praticar por conta própria usando as instruções que ele já entende. Eles pediram ao robô que tentasse várias tarefas que ele já havia visto antes, gravaram o que ele fez e usaram essas gravações como dados de treinamento extras. Este método, que chamam de aprendizado autossupervisionado, permite que o robô ensaie suas habilidades antigas enquanto aprende novas, prevenindo efetivamente que ele esqueça o que já sabia.

Os resultados deste experimento foram impressionantes. Quando a equipe testou seu método em um robô real com dois braços, o robô aprendeu a pegar objetos e colocá-los em cestas com altas taxas de sucesso, mesmo para tarefas que nunca lhe foram explicitamente ensinadas por um humano. Em um conjunto de testes, um robô treinado apenas com demonstrações humanas para pegar objetos esqueceu completamente como colocá-los, falhando em mover o objeto para um recipiente 100% das vezes. Quando os pesquisadores adicionaram os próprios dados de prática gerados pelo robô ao treinamento, a taxa de sucesso para colocar objetos saltou para 55%, e a capacidade do robô de seguir instruções melhorou significamente. O robô não apenas aprendeu a agarrar coisas; ele aprendeu a entender a frase completa, sabendo quando parar após pegar algo e quando se mover para um segundo local para colocá-lo. Isso foi verdade mesmo quando os objetos eram novos ou o arranjo dos itens na sala era diferente do que o robô tinha visto antes.

Os pesquisadores também testaram essa ideia em um ambiente simulado, um mundo digital onde os robôs podem aprender rapidamente sem o risco de quebrar o hardware. Nessas simulações, eles descobriram que o treinamento em novas tarefas usando apenas dados humanos fazia com que o robô perdesse a capacidade de realizar tarefas antigas, com taxas de sucesso caindo de mais de 90% para menos de 17%. Ao misturar os próprios dados de prática autogerados pelo robô, eles recuperaram a capacidade de realizar as tarefas antigas, elevando as taxas de sucesso para mais de 70%, enquanto também melhoravam o desempenho nas novas tarefas. Isso sugere que as próprias tentativas do robô, mesmo quando falham, carregam uma espécie de memória do mundo físico que o ajuda a manter a flexibilidade. A equipe observou que esta abordagem é particularmente útil porque não requer acesso aos conjuntos de dados massivos originais usados para treinar o robô em primeiro lugar, que são frequentemente mantidos em segredo pelas empresas que os criam. Em vez disso, o robô gera seu próprio material de aprendizado diretamente no chão de fábrica ou em casa.

Um dos achados mais surpreendentes foi o quão bem este método preservou a capacidade do robô de lidar com tarefas para as quais nunca foi treinado. Os pesquisadores testaram uma habilidade chamada "empurrar", que não fazia parte dos dados de treinamento nem das demonstrações humanas nem da prática autogerada. Um robô treinado apenas com dados humanos para pegar e colocar objetos tendia a ignorar a instrução de empurrar e, em vez disso, tentava pegar o objeto, falhando na tarefa. O robô treinado com o método autossupervisionado, no entanto, entendeu corretamente a instrução de empurrar e executou o movimento 70% das vezes. Isso indica que a abordagem autossupervisionada ajuda o robô a manter sua compreensão mais ampla de como se mover, em vez de sobrescrevê-la com um conjunto estreito de hábitos. Os pesquisadores observaram que o robô podia até lidar com situações complexas, como virar para olhar atrás de si mesmo quando um objeto estava fora de vista, um comportamento que o robô treinado apenas com dados humanos não exibiu.

O estudo destaca uma mudança fundamental na forma como os robôs podem ser adaptados a novos ambientes. Em vez de ver as falhas de um robô como ruído inútil, os pesquisadores trataram-nas como um recurso. Ao usar as próprias ações do robô como uma forma de ensaio, eles criaram um sistema que é ao mesmo tempo adaptável e robusto. A equipe demonstrou que, com apenas uma pequena quantidade de orientação humana, combinada com a própria prática do robô, uma única política pode aprender a realizar uma ampla variedade de tarefas em uma nova máquina. Esta abordagem resolve o problema do "esquecimento catastrófico", onde aprender algo novo faz com que um sistema perca tudo o que sabia antes. Os pesquisadores descobriram que este método funciona não apenas para tarefas simples como empilhar blocos, mas também para tarefas complexas e de alto contato, como inserir engrenagens em uma placa móvel, onde a taxa de sucesso melhorou de 30% para 90%.

Embora o método seja poderoso, os pesquisadores reconhecem que não é perfeito. O robô às vezes herda pequenas peculiaridades de seus dados autogerados, como ficar preso em um ciclo de pegar e colocar um objeto, ou arrastar a borda de uma cesta ao tentar colocar a roupa dentro. Esses problemas surgem porque o robô está aprendendo com suas próprias tentativas imperfeitas. Para evitar comportamentos inseguros, os pesquisadores filtraram manualmente os piores exemplos antes de usá-los para o treinamento, mas observaram que automatizar esse processo seria um passo necessário para escalar a tecnologia. Apesar dessas limitações, o trabalho oferece um caminho promissor para tornar os robôs mais práticos e fáceis de implementar. Sugere que a chave para um robô versátil reside não apenas na coleta de mais dados humanos, mas em ensinar a máquina a aprender com suas próprias experiências, permitindo que ela carregue seu conhecimento consigo conforme passa de uma tarefa para outra.