𝗔𝗽𝗼𝘀 𝟭𝟬+ 𝘁𝗮𝗻𝗼𝘀 𝗲𝗺 𝗮𝗽𝗿𝗲𝗻𝗱𝗶𝘇𝗮𝗴𝗲𝗺 𝗿𝗼𝗯𝗼𝘁𝗶𝗰𝗮, desde o meu doutoramento no Imperial até Berkeley e a construção do Dyson Robot Learning Lab, uma frustração continuava a surgir: 𝗣𝗼𝗿𝗾𝘂𝗲 𝗲𝗻𝗰𝗮𝗿𝗻𝗼 𝗮 𝗿𝗲𝗯𝗼𝗻𝗱𝗮𝗿 𝗮 𝗺𝗲𝘀𝗺𝗮 𝗶𝗻𝗳𝗿𝗮𝘀𝘁𝗿𝘂𝗰𝘁𝘂𝗿𝗮 𝗿𝗲𝗽𝗲𝘁𝗶𝗱𝗮𝗺𝗲𝗻𝘁𝗲? 𝗢 𝗽𝗮𝘁𝗲𝗿𝗻 𝗾𝘂𝗲 𝗲𝗻𝗰𝗼𝗻𝘁𝗿𝗲𝗶: • Nova equipa de robótica começa • Passa 6 meses a construir um pipeline de coleta de dados • Passa mais 3 meses a depurar problemas de sincronização • Finalmente começa a coletar dados específicos da tarefa • Percebe que as suas escolhas de infraestrutura limitam a sua flexibilidade • Começa de novo 𝗜𝘀𝘁𝗼 𝗲́ 𝗼 𝗽𝗼𝗶𝗻𝘁𝗲 𝗱𝗼 𝗮𝗽𝗿𝗲𝗻𝗱𝗶𝘇𝗮𝗴𝗲𝗺 𝗿𝗼𝗯𝗼𝘁𝗶𝗰𝗮: A aprendizagem robótica é fundamentalmente orientada por dados. Quer esteja a colher morangos ou a montar eletrónica, as necessidades de infraestrutura essenciais são idênticas. É exatamente por isso que me interessei em seguir a robótica orientada por dados há mais de uma década. 𝗩𝗼𝗰𝗲 𝗽𝗿𝗲𝗰𝗶𝘀𝗮 𝗱𝗲: • Sincronização de dados de múltiplos sensores em diferentes frequências • Armazenamento flexível que funcione com algoritmos futuros • Ferramentas de visualização para entender os seus dados • A capacidade de experimentar com diferentes resoluções temporais • Registo robusto que capture tudo o que você possa precisar mais tarde A tendência em direção à IA na robótica está a crescer, com robôs a precisarem de processar e analisar grandes quantidades de dados de sensores para gerir a variabilidade e a imprevisibilidade em ambientes reais. 𝗠𝗮𝘀 𝗮𝗹𝗴𝘂𝗺𝗮 𝗲𝗾𝘂𝗶𝗽𝗲 𝗰𝗼𝗻𝘀𝘁𝗿𝗼𝗶𝘀 𝗶𝘀𝘀𝗼 𝗱𝗲 𝗳𝗼𝗿𝗺𝗮 𝗮𝗿𝗲𝗮𝗹. Imagine se cada desenvolvedor web tivesse que construir a sua própria base de dados, servidor web e pipeline de implantação antes de escrever a sua primeira linha de código de aplicação. 𝗜𝘀𝘁𝗼 𝗲́ 𝗽𝗼𝗿𝗾𝘂𝗲 𝗲𝘀𝘁𝗮𝗯𝗹𝗲𝗰𝗶 𝗮 𝗡𝗲𝘂𝗿𝗮𝗰𝗼𝗿𝗲. Em vez de cada equipa de robótica passar meses na infraestrutura, nós fornecemos as ferramentas comuns que permitem que você passe de "Eu tenho um robô" para "Estou a enviar comportamentos robóticos inteligentes" em dias, não em meses....