Um estudo recente constatou que robôs simples inspirados em formigas conseguem formar aglomerados e escavar material sem precisar de um chefe, de um mapa ou de um plano passo a passo.
O achado sugere a criação de equipas de máquinas capazes de continuar a operar em ambientes desorganizados, onde comandos centralizados tendem a falhar.
Enxames operam de forma independente
Numa pequena arena de testes, os RAnts - robôs compactos com rodas, inspirados em formigas - transportavam blocos de plástico respondendo apenas à luz projetada no piso por baixo deles.
A investigação foi conduzida pelo professor L. Mahadevan, da Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS).
Ao acompanhar os rastros luminosos deixados pelo enxame, a equipa de Mahadevan demonstrou que sinais locais bastam para desencadear tanto a construção quanto o desmonte de estruturas.
Com isso, os investigadores usaram esses indícios para substituir ordens centrais por um mecanismo de retroalimentação.
O comportamento das formigas orienta o design
Formigas e térmitas frequentemente se coordenam ao modificar o espaço ao redor, incluindo os cupinzeiros - estruturas altas de ninho capazes de ventilar as colónias ao longo das variações diárias de temperatura.
Na biologia, esse tipo de coordenação indireta, baseada nas alterações deixadas num ambiente partilhado, é chamado de estigmergia; ela transforma ações pequenas em orientação coletiva.
Nos insetos, feromonas - substâncias químicas deixadas como sinais - podem marcar trilhas que outras operárias seguem ou reforçam.
No caso dos robôs, a luz projetada cumpriu a mesma função: um rastro podia orientar movimentos posteriores sem fala nem rádio.
Sinais orientam o enxame
Em vez de cheiro, os robôs seguiam fotormônios - trilhas de luz projetadas que fazem o papel das feromonas.
Cada unidade media, por meio de dois sensores, se a luz por baixo estava mais forte ou mais fraca e, enquanto se deslocava, virava na direção dos rastros mais intensos.
A cada passagem, mais luz era adicionada ao chão, e o sinal enfraquecia depois que os robôs se afastavam.
Trilhas recentes atraíam mais robôs para o mesmo ponto, enquanto trilhas que se apagavam impediam que uma atividade antiga controlasse a arena para sempre.
Aglomerados criam áreas de trabalho
A repetição dos rastros luminosos gerou sítios de nucleação - pontos iniciais onde a construção se concentra primeiro - quando vários robôs passavam em círculos pela mesma região.
Essa retroalimentação virou uma instabilidade de aprisionamento, isto é, um ciclo que mantém os robôs temporariamente confinados, já que o próprio sinal que produzem os puxa de volta.
Nos testes, os robôs foram ajustados de modo que a armadilha normalmente exigisse cinco ou mais unidades, evitando que uma única máquina se tornasse dominante.
“Nosso novo estudo mostra como regras simples e locais podem levar ao surgimento de uma conclusão complexa de tarefas que é auto-organizada e, portanto, robusta e adaptativa”, disse Mahadevan.
Regras simples alteram as tarefas
Depois que as armadilhas se formavam, o padrão do enxame mudava quando os investigadores mexiam apenas em dois parâmetros das regras de controlo.
A força de cooperação - o quanto os robôs seguem as partes mais brilhantes de uma trilha -, quando elevada, puxava as máquinas para zonas comuns de trabalho.
Já a taxa de deposição - a rapidez com que os robôs largam ou removem material - determinava se essas zonas acumulavam blocos ou se perdiam blocos.
Com os dois parâmetros dentro de uma faixa adequada, as mesmas regras básicas passaram a gerar tarefas diferentes, em vez de uma rotina única e fixa.
Construção e escavação emergem
Ao alterar o parâmetro de deposição, a tarefa mudava de construção para escavação, sem a inclusão de um supervisor.
Quando a configuração favorecia largar material, os robôs reuniam os blocos em pilhas organizadas onde o sinal luminoso se intensificava.
Já durante a remoção, as máquinas transportavam o material para longe e, em vez disso, abriam caminhos através de uma estrutura já existente.
Trabalhos anteriores sobre escavação com formigas e robôs já haviam mostrado como animais e máquinas simples podem cavar, mas este sistema executou os dois sentidos do processo.
A teoria explica o enxame
Além da arena, a equipa da SEAS desenvolveu um modelo contínuo - equações que descrevem o grupo como densidades em fluxo.
Em vez de acompanhar cada giro das rodas, o modelo acompanhou, no espaço, a densidade de robôs, os sinais de luz e o material.
Essa abordagem conectou as regras individuais aos padrões coletivos, incluindo pilhas dispersas, aglomerados densos e frentes de escavação.
Um espaço de fases, que funciona como um mapa de comportamentos possíveis do grupo, permitiu aos investigadores selecionar construção ou escavação sem reescrever os robôs.
O valor prático aparece
O controlo central pode falhar quando máquinas entram em edifícios colapsados, zonas de desastre ou planetas distantes, onde a comunicação é lenta.
Regras locais oferecem um caminho alternativo, porque cada robô precisa apenas de sinais próximos e de um meio de mover material.
A equipa descreveu isso como inteligência exocorpórea - coordenação construída por meio das trabalhadoras e do ambiente -, já que o próprio local de trabalho regista a atividade recente que é útil.
As aplicações práticas podem incluir construção em ambientes perigosos ou exploração planetária, embora enxames reais ainda precisem de hardware mais robusto e de regras de segurança.
Lacunas que orientam a pesquisa
Os experimentos atuais usaram blocos simples, luz projetada e um piso controlado - e não um canteiro de obras aberto.
Como a arena permaneceu limitada, os robôs não escolheram qual forma final seria mais adequada para uma tarefa real.
Sistemas futuros talvez precisem de seleção de resultados - regras que privilegiem estruturas úteis, e não apenas as possíveis.
Ainda assim, o resultado oferece aos engenheiros um modo mais limpo de testar cooperação antes de adicionar máquinas caras.
O trabalho em equipa natural aparece
Tanto em robôs quanto em insetos, a principal constatação é clara: grupos podem se organizar quando as ações deixam rastros que outras unidades conseguem ler.
Essa evidência pode ajudar cientistas a comparar insetos e máquinas, mantendo os limites em perspectiva: regras simples não eliminam o trabalho difícil de projeto.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário