A primeira professora de um robô não é um conjunto de dados. É o ambiente.

Um robô pode ser treinado com milhões de exemplos e ainda assim encontrar uma situação que nunca viu antes.
Uma superfície é mais escorregadia do que o esperado, um objeto é ligeiramente mais pesado, o chão é irregular, uma preensão falha, um movimento precisa de ser corrigido a meio da execução; o mundo não segue uma sequência perfeitamente programada.
É aqui que a inteligência incorporada começa a separar-se do #AI. A dataset can show a #robot convencional sobre como um objeto deve parecer ou descrever como uma ação deve acontecer, mas ambientes reais introduzem variáveis que nem sempre podem ser antecipadas com antecedência. O robô tem de responder ao que realmente acontece.
É por isso que a 𝗧𝗲𝗹𝗲𝗼𝗽𝗲𝗿𝗮𝘁𝗶𝗼𝗻 no mundo real é tão valiosa. Operadores humanos trazem a capacidade de navegar a incerteza e de se adaptar a condições que nunca foram explicitamente programadas. As suas ações expõem os robôs à relação entre movimento e consequência: o que acontece quando uma preensão é demasiado fraca, uma trajetória está ligeiramente errada ou um obstáculo inesperado altera a tarefa.
@InvLambda está a construir em torno desta camada de human-in-the-loop, usando teleoperação para criar dados de interação mais ricos entre ambientes simulados e físicos. Os operadores humanos fornecem a inteligência adaptativa; o ambiente do robô fornece as consequências; os dados resultantes tornam-se uma base para desenvolver uma IA incorporada mais capaz.
Um robô não consegue aprender inteligência física apenas estudando o que aconteceu antes; tem de encontrar o mundo, responder a ele e aprender com o que acontece a seguir.
#InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach