World-Model-Grounded LLM Planning for AUV and ASV Navigation Near Offshore Wind Farms

Imagine um robô que consegue entender uma frase simples como "vá inspecionar aquela turbina eólica" e, em seguida, descobrir os passos para chegar lá. Durante anos, cientistas têm ensinado a inteligência artificial a fazer exatamente isso usando grandes modelos de linguagem, o mesmo tipo de tecnologia que alimenta assistentes inteligentes e chatbots. Esses sistemas são excelentes em decompor um grande objetivo em ações menores, como "mover para frente", "virar à esquerda" ou "parar". No entanto, eles possuem um ponto cego crítico: eles não entendem a física. Eles conhecem as palavras para mover um barco ou um submarino, mas não conseguem sentir o peso da água, o arrasto da corrente ou o atraso que um motor leva para responder. Se você pedir a um modelo de linguagem padrão para conduzir uma embarcação ao redor de uma turbina, ele pode sugerir uma curva que parece perfeita no papel, mas que falha na realidade porque a água empurra o barco para o lado ou o motor apresenta um atraso, fazendo com que a embarcação derive diretamente contra a estrutura. Esse abismo entre o que um computador pensa que acontecerá e o que realmente acontece no oceano é o problema central que pesquisadores da Instituição de Pesquisa de Defesa da Noruega e da Universidade Heriot-Watt se propuseram a resolver.

A equipe desenvolveu uma nova maneira de guiar robôs autônomos perto de parques eólicos offshore, dando a eles um "modelo de mundo". Pense nisso não como um segundo cérebro que pensa, mas como um simulador altamente preciso que roda em segundo plano. Neste sistema, o modelo de linguagem ainda atua como o comandante, decidindo a sequência de ações com base na descrição da missão. Mas, antes de o robô se mover, o modelo de mundo intervém para responder às perguntas "quanto tempo" e "quanto". Ele calcula a duração precisa de cada movimento e verifica se o plano sobreviverá às realidades físicas do oceano, como ondas, correntes e a forma específica como os propulsores do robô funcionam. Se o plano parecer que levará a uma colisão, o modelo de mundo ajusta o tempo ou o caminho, garantindo que o robô permaneça seguro enquanto ainda alcança seu objetivo.

Para testar essa abordagem, os pesquisadores trabalharam com dois tipos de robôs muito diferentes: um veículo subaquático que pode se mover em todas as direções, inclusive lateralmente, e um barco de superfície que só pode se mover para frente, para trás e virar, de forma muito semelhante a um carro. Eles criaram um sistema híbrido onde um simulador de física padrão fornecia as regras básicas de movimento, e uma rede neural aprendia a corrigir os pequenos e desordenados erros que as máquinas do mundo real cometem. Essa combinação permitiu que o sistema previsse o estado futuro do robô com extrema precisão. Em suas simulações, o sistema conseguiu prever onde o robô subaquático estaria após um minuto com um erro de menos de um milímetro, e onde o barco de superfície estaria com um erro de menos de meio metro.

Os resultados de seus testes foram impressionantes. Quando os robôs receberam missões para navegar ao redor de torres de turbinas eólicas e cabos, o modelo de linguagem atuando sozinho falhou completamente. Ele colidiu com obstáculos em todos os testes, pois não conseguia considerar o desvio causado pelas correntes de água ou o atraso nos motores. Em contraste, quando o modelo de linguagem foi pareado com o modelo de mundo, tanto os robôs subaquáticos quanto os de superfície alcançaram seus destinos sem uma única colisão. O sistema reduziu a distância entre onde o robô parou e seu alvo pretendido em cerca de 93% para o veículo subaquático e entre 70 e 82% para o barco de superfície, em comparação com as tentativas não guiadas.

Uma parte particularmente inteligente do trabalho envolveu o barco de superfície, que muitas vezes é pequeno e barato demais para carregar sensores caros como sonar ou scanners a laser para mapear o fundo do mar em tempo real. Em vez de depender de sensores a bordo, os pesquisadores ensinaram o sistema a "ver" o ambiente usando imagens de satélite, cartas náuticas e previsões meteorológicas. Um modelo de visão-linguagem analisou esses mapas existentes para identificar obstáculos como rochas rasas ou estruturas submersas, transformando-os em um mapa digital que o robô poderia usar. Este método provou ser tão eficaz quanto ter um humano desenhando manualmente os obstáculos em um mapa, alcançando uma taxa de precisão de 96% na distinção entre áreas navegáveis e não navegáveis. Isso significa que robôs de baixo custo poderão em breve navegar em áreas costeiras complexas sem precisar carregar equipamentos pesados e caros.

Os pesquisadores também testaram o quão bem esse sistema se manteria em uma simulação mais realista e de alta fidelidade, que incluía padrões de ondas complexos e correntes imprevisíveis. Mesmo nesse ambiente desafiador, os robôs permaneceram livres de colisões. O sistema incluiu um mecanismo de segurança que reavaliava constantemente o plano conforme o robô se movia. Se o robô derivasse do curso devido a uma onda súbita, o sistema recalculava rapidamente o caminho restante para garantir que ele ainda pudesse alcançar o objetivo com segurança. Esse processo de malha fechada, que atua como um constante sistema de pesos e contrapesos, foi crucial para o sucesso, especialmente em manobras apertadas onde um pequeno erro poderia levar a uma colisão.

Em última análise, o estudo demonstra que, embora a inteligência artificial seja poderosa para entender linguagem e planejar sequências, ela precisa de um embasamento na realidade física para ser útil no mundo real. Ao combinar o raciocínio de alto nível de um modelo de linguagem com um modelo de mundo consciente da física, os pesquisadores criaram um sistema que pode guiar com segurança veículos autônomos através do ambiente complexo e dinâmico dos parques eólicos offshore. O trabalho sugere que o futuro da robótica marinha não reside em tornar o modelo de linguagem mais inteligente, mas em dar a ele uma melhor compreensão do mundo físico em que opera, permitindo que tome decisões que não sejam apenas lógicas, mas também fisicamente possíveis.