Siga o Olhar Digital no Google Discover
Pesquisadores estão desenvolvendo uma nova abordagem para o treinamento de robôs, utilizando o metaverso industrial, gêmeos digitais e IA para criar “escolas virtuais” onde robôs podem aprender habilidades complexas rapidamente.
Ofertas
Por: R$ 37,92
Por: R$ 22,59
Por: R$ 59,95
Por: R$ 3.099,00
Por: R$ 3.324,00
Por: R$ 799,00
Por: R$ 241,44
Por: R$ 349,90
Por: R$ 2.159,00
Por: R$ 188,99
Por: R$ 45,00
Por: R$ 379,00
Por: R$ 1.239,90
Por: R$ 943,20
Por: R$ 798,99
Por: R$ 205,91
Por: R$ 476,10
Por: R$ 1.139,05
Por: R$ 949,00
Por: R$ 139,90
Por: R$ 119,90
Por: R$ 398,99
Por: R$ 79,90
Por: R$ 199,90
Um artigo publicado na MIT Technology Review mostra que, em vez de depender de programação rígida, os robôs agora podem aprender em ambientes imersivos e simulados que replicam as condições do mundo real.
Esse método de “simulação para realidade” (Sim2Real) permite que os robôs adquiram competências mais rapidamente e enfrentem desafios dinâmicos, otimizando a produção e a eficiência.
Robôs preparados para variados cenários
- Com essa tecnologia, robôs podem ser treinados em tarefas complexas, como manuseio de objetos ou resolução de problemas, em um curto período de tempo.
- Além disso, inovações como o uso de dados sintéticos e gêmeos digitais ajudam a superar a falta de dados de treinamento, criando réplicas virtuais de ambientes reais onde robôs podem praticar sem custos elevados.
- Isso acelera o treinamento e melhora a adaptação dos robôs a diversas condições de operação.

Leia mais:
- Cirurgia inédita com uso de robôs é realizada no Brasil
- Robôs vão ajudar a construir megacidade da Arábia Saudita
- Cão-robô vai começar a trabalhar em aeroporto nos EUA
Empresas como a EPF e Siemens já estão implementando essa abordagem, criando robôs que podem aprender e se adaptar a diferentes geometrias e condições sem reconfiguração mecânica.
A flexibilidade e a capacidade de adaptação dos robôs, alimentadas por IA, têm o potencial de transformar o setor industrial, permitindo uma produção mais eficiente e personalizada.
Esse avanço promete não só otimizar o treinamento de robôs, mas também proporcionar uma maior autonomia e capacidade de inovação no futuro, com robôs sendo capazes de identificar e executar tarefas de forma independente, baseados no conhecimento acumulado dos gêmeos digitais.
