E, no entanto, o novo “edge” move-se

O preço de venda e o facto de o robô se assemelhar muito a um “cartoon” ajudam naturalmente a explicar o entusiasmo em torno do lançamento mas, provavelmente, o maior interesse estará no que os compradores farão com o seu novo brinquedo. O Microduck chega com sete comportamentos treinados, entre andar, sentar-se, pontapear uma bola ou levantar-se depois de cair. Cada um desses comportamentos é uma “policy”, um modelo que transforma aquilo que o robô observa numa decisão sobre o que deve fazer a seguir. O comportamento do robô é inteiramente extensível pelo utilizador — dentro, naturalmente, das limitações físicas de um robô deste tamanho e preço.

A proposta da Hugging Face é particularmente interessante nesse aspeto, como seria de esperar pelo histórico da empresa como repositório de modelos e datasets. O utilizador pode treinar um comportamento em simulação, colocá-lo no robô, observar onde falha, alterar o ambiente ou os dados de treino, repetir o processo e finalmente publicar a nova “policy” para que outros a possam utilizar. O simulador, o software e a stack de “reinforcement learning” são abertos. O que se partilha deixa, portanto, de ser apenas código: pode ser uma forma de andar, agarrar um objeto ou reagir a determinada situação física. Passados poucos dias do lançamento, já é possível encontrar online todo um novo conjunto de “policies” — até um “moonwalk” ao estilo de Michael Jackson.

Esta é uma extensão bastante natural das bases que têm vindo a suster o crescimento da empresa, de origem francesa, que foi recentemente adquirida pela Nvidia. O Hub da Hugging Face permitiu que modelos e “datasets” fossem publicados, reutilizados e modificados por terceiros. A nova plataforma pretende levar uma lógica semelhante à robótica: tornar comportamentos físicos partilháveis, juntamente com os ambientes e os métodos usados para os treinar. A diferença é que, agora, o resultado acaba por ter consequências no mundo físico e não apenas no virtual.

Muda, igualmente, quem pode “treinar” a máquina. No LeRobot, a plataforma de robótica da Hugging Face, uma “policy” pode ser executada no robô e interrompida quando começa a fazer algo errado. O utilizador assume então o controlo, demonstra a correção e devolve-o à máquina. Essa intervenção fica registada como novos dados e pode entrar diretamente na ronda seguinte de treino. Utilizar o robô passa a ser também uma forma de o treinar.

Isto pode constituir, claramente, a base de um conjunto de novas competências, para utilizadores sem qualquer experiência anterior em robótica. Um operador numa fábrica pode não saber programar um robô, mas sabe como uma peça deve ser apanhada, em que posição deve ser colocada ou que movimento denuncia uma operação incorreta. Demonstrar e corrigir essas ações passa, assim, a ser uma forma de transferir conhecimento operacional para o robô.

Naturalmente, a dialética “edge”/”cloud” mantém-se. O treino pode ser feito numa máquina local ou em GPU remotas; simulações extensas e modelos maiores continuarão a beneficiar da infraestrutura centralizada. Mas o comportamento aprendido é depois colocado numa máquina que vê, decide e age no local onde o problema existe. Durante anos, o “edge” foi apresentado como um modelo onde a computação acontece perto de onde os dados são gerados. A robótica acrescenta- -lhe agora pessoas que treinam comportamentos, comunidades que os partilham e máquinas que os levam consigo. O “edge” não pára: agora, ganhou uma capacidade nova — aprendeu a andar.