Em uma emergência, um humano pode algum dia pedir a um assistente robótico para buscar um desfibrilador de parede localizado no corredor. Mas, se o robô tiver rotulado incorretamente o desfibrilador como um extintor de incêndio em sua memória armazenada, ele pode não saber onde encontrar o dispositivo que salva vidas.
Este assistente robótico poderia se beneficiar de um novo sistema de memória criado por pesquisadores do MIT. O sistema identifica entradas na memória do robô que podem estar erradas e corrige as descrições de objetos mal rotulados.
No futuro, esse método poderia tornar robôs domésticos ou industriais mais capazes de executar tarefas complexas e de múltiplas etapas, como limpar uma mesa de jantar ou trabalhar ao lado de colaboradores humanos para montar uma peça de máquina.
Chamado UQ-DAAAM (que significa Quantificação de Incerteza para Descrever Qualquer Coisa, em Qualquer Lugar, a Qualquer Momento), o sistema compara múltiplas descrições do mesmo objeto, visto de diferentes pontos de vista, para quantificar a incerteza do robô sobre o que ele viu.
Em seguida, ele seleciona visualizações adicionais para reduzir a incerteza e combina essas legendas em uma descrição mais precisa do objeto, que ele salva na memória.
Os pesquisadores também empregaram uma técnica especial para otimizar esse processo, permitindo que um robô móvel atualize continuamente entradas de memória incertas em tempo real.
Quando comparado a métodos de base, o UQ-DAAAM aumentou a confiança do robô e melhorou a precisão de suas respostas a perguntas sobre objetos, seus locais e quando os observou.
"Ao contrário do ChatGPT, quando pensamos em IA física, não basta simplesmente colocar uma advertência avisando que o robô pode estar errado às vezes. Permitir que um robô saiba o que não sabe será essencial para que essa tecnologia seja implementada com segurança e tenha um impacto positivo na sociedade," diz Luca Carlone, um associado.
Fonte: MIT News - AI
Publicado em 2026-11-05