Um operário de fábrica automotiva consegue lembrar do compartimento onde deixou um componente parcialmente montado na noite anterior, e rapidamente retornar a esse local para pegá-lo. Mas robôs que trabalham lado a lado com ele teriam dificuldade em desenvolver e acessar esse mesmo tipo de memória “espaçotemporal”.
Agora, pesquisadores do MIT desenvolveram uma estrutura de memória de longo prazo que permite aos robôs formar e recordar rapidamente um modelo mental detalhado de ambientes complexos e de grande escala.
No futuro, esse avanço poderia permitir que o operário enviasse um assistente robótico para buscar o item, simplesmente pedindo para “ir buscar o componente que começamos a montar ontem à noite”.
Este novo método combina representações avançadas de mapas com descrições ricas do ambiente que o robô coleta ao longo do tempo. O robô pode acessar rapidamente essa memória para responder a consultas complexas sobre seu ambiente em linguagem simples.
Essa estrutura de memória, que responde a perguntas com mais precisão do que os métodos de ponta, funciona rápido o suficiente para um robô móvel usar em tempo real.
Além de seus potenciais usos em robótica, este método poderia ter aplicações em sistemas de realidade aumentada que auxiliam trabalhadores de manutenção na detecção de anomalias ou ajudam passageiros na orientação.
“Se quisermos que os robôs trabalhem lado a lado com humanos e interajam melhor com humanos, eles devem falar a mesma língua. O robô deve ser capaz de raciocinar sobre tempo e espaço da mesma forma que os humanos. Isso é essencialmente o que nosso método está fazendo. Ele está transformando um mapa tradicional em um mapa baseado em linguagem que é mais fácil para o robô pensar e acessar usando linguagem”, diz Luca Carlone, professor associado no Departamento de Aeronáutica e Astronáutica (AeroAstro) do MIT, investigador principal no Laboratório de Sistemas de Informação e Decisão (LIDS) e diretor do Laboratório SPARK do MIT.
Fonte: MIT News - AI
Publicado em 2026-06-17