Loop fechado no nível do código - uma nova filosofia da robótica
Muitos sistemas robóticos modernos são baseados em modelos de linguagem e visão (VLM), que geram decisões de controle. Tradicionalmente, para que esses modelos funcionem na prática, eles precisam ser ajustados para uma tarefa específica - um processo conhecido como fine-tuning. Isso requer grandes conjuntos de dados e tempo. VLCP segue um caminho diferente: em vez de modificar o modelo, ele o mantém inalterado (congelado) e o usa para gerar uma função de controle em Python. O importante é que não precisa de exemplos nem de interrupção no treinamento.
A inovação fundamental é fechar o loop de controle no nível do próprio código, e não no nível da decisão ou sub-tarefa. Quando um robô comete um erro - por exemplo, não pega um objeto - o sistema não seleciona uma nova tarefa nem repete a mesma função. Em vez disso, a cada poucos passos, o modelo analisa novamente a cena de várias perspectivas e reescreve o código de controle que acabou de falhar. Isso permite corrigir o erro durante um único episódio, antes que ele se torne irreversível.
Eficácia: dez vezes mais sucesso do que a abordagem tradicional
Pesquisas realizadas em um conjunto de tarefas MuJoCo/RoboVerse, abrangendo 57 atividades de manipulação diferentes, mostraram um aumento drástico na eficácia. O sistema VLCP alcançou um resultado significativamente melhor do que um sistema idêntico operando no modo aberto (com uma única consulta por episódio). Essa diferença não é aleatória - os intervalos de confiança nem sequer se sobrepõem para famílias de cenas individuais.
A principal melhoria resulta da correção intra-episódio dos erros. O estudo mostrou que o sistema pode recuperar parte dos casos de preensão malsucedida - ou seja, aquelas situações que os sistemas abertos tradicionais tratam como o fim do episódio. Quando um robô não pega um objeto, VLCP não reage no nível da decisão, mas reescreve o código de controle, que pode funcionar corretamente na nova situação.
Eficiência computacional: baixo custo e alto desempenho
Apesar da avançada função de replanejamento, VLCP não é uma carga computacional. O estudo mostra que uma grande parte dos tokens de entrada vai para o cache, o que reduz significativamente o tempo de resposta. Para um único episódio, cerca de 10 consultas curtas são suficientes - não mais do que o necessário para um processamento completo.
Além disso, as funções de controle geradas durante o replanejamento são armazenadas em uma biblioteca de habilidades usada em episódios subsequentes. Isso significa que o sistema não apenas melhora ao longo do tempo, mas também aprende com sua própria experiência - o que pode levar a um desenvolvimento de longo prazo das competências sem a necessidade de novo treinamento.
Limites e importância para o futuro da robótica
Os resultados do VLCP são promissores, mas é importante lembrar que foram obtidos em uma simulação - na plataforma MuJoCo/RoboVerse. Isso significa que ainda não há confirmação de seu funcionamento no mundo real com robôs físicos e ruído sensorial. Também vale a pena notar que o sistema funciona apenas para tarefas que podem ser descritas como funções curtas de Python - o que limita sua aplicação a tipos específicos de manipulação.
No entanto, a importância deste trabalho é enorme. Mostra que os robôs não só podem executar tarefas, mas também analisar e melhorar seu próprio código em tempo real. Isso é um passo em direção a sistemas autônomos que não estão limitados a ações pré-programadas, mas são capazes de se adaptar no nível do controle.
