Nova ideia de Musk: Optimus pode aprender a dobrar roupas assistindo a vídeos

A Tesla (TSLA.O) está adotando um roteiro já testado para treinar seu robô humanóide. Segundo fontes próximas, a fabricante de veículos elétricos informou aos funcionários no final de junho que o projeto Optimus irá focar mais em uma abordagem “puramente visual”.

Anteriormente, a Tesla utilizava trajes de captura de movimento e headsets de realidade virtual para registrar dados de operadores humanos e controlar remotamente o robô. Agora, a empresa irá treinar o robô principalmente gravando vídeos de trabalhadores executando tarefas, como ensiná-lo a pegar objetos ou dobrar camisetas.

Fontes afirmam que a empresa declarou que abandonar os trajes de captura de movimento e o controle remoto permitirá à equipe ampliar a escala de coleta de dados mais rapidamente.

Essa mudança marca um ajuste significativo na estratégia de robótica da Tesla, alinhando o Optimus com a convicção de longa data do CEO Elon Musk de que a inteligência artificial pode dominar tarefas complexas apenas com câmeras. A Tesla sempre utilizou método semelhante para treinar seu software de direção autônoma.

Essa alteração ocorreu pouco após a saída do chefe do projeto Optimus, Milan Kovac. Fontes revelaram que o chefe de IA, Ashok Elluswamy, assumiu o projeto.

Captura de movimento e controle remoto são práticas padrão na indústria de robótica. Por exemplo, a empresa líder Boston Dynamics já utilizou controle remoto para treinar seu robô Atlas. Durante o treinamento, trabalhadores vestem trajes de captura de movimento para realizar diversas tarefas, e os dados são então inseridos no robô. Os trajes também podem ser usados para controlar o robô remotamente.

Ainda não está claro se a Tesla voltará a priorizar captura de movimento e controle remoto no futuro, ou se continuará desenvolvendo com base nos dados de vídeo coletados anteriormente.

Robert Griffin, cientista sênior do Institute for Human and Machine Cognition, afirma que grandes volumes de dados de controle remoto permitem que robôs aprendam por meio de interação física com o ambiente. Ele observa que confiar apenas em dados de vídeo dificulta que o robô traduza com precisão as ações do vídeo para o mundo real.

“Se você usa apenas dados de vídeo, não há interação física direta”, disse ele.

Dobrar camisetas e pegar objetos

Musk anunciou pela primeira vez em 2021 que a Tesla planejava desenvolver um robô humanóide chamado Optimus. O bilionário afirmou que o robô eventualmente seria capaz de realizar tarefas como trabalho em fábricas e cuidados pessoais.

No ano passado, a empresa recrutou “operadores de coleta de dados”. Essas funções envolviam executar e registrar tarefas domésticas básicas. O anúncio de emprego indicava que os operadores precisariam usar trajes de captura de movimento e headsets de realidade virtual por longos períodos.

Até o final de junho, o projeto ainda incluía treinamento do Optimus por meio de controle remoto e trajes de captura de movimento. Fontes disseram que os trabalhadores gastavam muito tempo lidando com problemas das roupas e do próprio robô, o que limitava a quantidade de dados que a equipe podia coletar.

Desde a mudança na forma de treinamento, os trabalhadores começaram a registrar seus movimentos usando um conjunto de cinco câmeras desenvolvidas pela própria Tesla. Fontes afirmam que essas câmeras são instaladas em capacetes e mochilas pesadas usadas pelos trabalhadores, filmando em várias direções para fornecer dados de localização precisa do ambiente ao modelo de IA.

Christian Hubicki, diretor do laboratório de robótica da Faculdade de Engenharia Conjunta da Florida A&M University e Florida State University, afirma que essas câmeras em diferentes ângulos podem permitir à Tesla capturar detalhes mais sutis, “como a posição das articulações e dos dedos”, além de posicionar melhor o robô. Ele acrescenta que esses vídeos também podem complementar os dados coletados anteriormente via controle remoto.

Durante o treinamento, os trabalhadores recebem instruções específicas de tarefas, especialmente para movimentos das mãos, a fim de garantir que as ações pareçam o mais humanas possível. Um funcionário afirmou que podem passar meses repetindo a mesma tarefa simples.

Jonathan Aitken, especialista em robótica da Universidade de Sheffield, diz que a Tesla provavelmente precisará encontrar uma forma de fazer o Optimus aprender várias tarefas por meio de movimentos generalizáveis.

“Nessa escala, eles precisam de um conjunto de movimentos universais, caso contrário, treinar todas as tarefas levaria um tempo extremamente longo”, disse Aitken.

Ele acrescentou que a Tesla pode adotar uma estratégia semelhante à da empresa Physical Intelligence, que ensina robôs habilidades transferíveis e flexíveis ao alimentá-los com grandes quantidades de dados de demonstração, em vez de fazê-los decorar uma única tarefa.

“Um desenvolvimento de robôs muito ao estilo Tesla”

Essa nova estratégia está alinhada com a forma como a Tesla treina seu software de direção autônoma. Outras empresas de direção autônoma usam sensores como LiDAR e radares de ondas milimétricas para treinar o software, enquanto a Tesla depende principalmente de câmeras.

A empresa utiliza milhões de veículos Tesla equipados com 8 a 9 câmeras para coletar dados. Musk já afirmou que o lançamento do software de direção assistida da Tesla na China foi possível após treinar o sistema de IA com vídeos públicos de ruas asiáticas.

Na teleconferência de resultados de janeiro deste ano, Musk admitiu que “as necessidades de treinamento do robô humanóide Optimus podem, no final, ser pelo menos 10 vezes maiores do que as dos carros.”

“É um desenvolvimento de robôs muito ao estilo Tesla. Nenhuma outra empresa está tentando fazer isso nessa escala”, disse Aitken. “Eles precisam de uma quantidade de dados tão grande quanto a usada para treinar os carros.”

Alan Fern, especialista em IA e robótica da Oregon State University, afirma que treinar o Optimus é ainda mais desafiador para a Tesla do que desenvolver carros autônomos.

“Dirigir é apenas uma tarefa”, disse ele. Aprender principalmente por vídeo “exige que o robô compreenda o que está acontecendo no vídeo e também tenha as habilidades para realizar a tarefa. Algumas coisas podem ser aprendidas por observação, mas outras precisam ser praticadas em simuladores ou no mundo real.”