Equipe da Tsinghua lança o HandsOn: 66 tarefas para testar a destreza de robôs

Pesquisadores da Universidade Tsinghua publicaram o HandsOn, um benchmark para avaliar a manipulação ágil em robôs. Ele reúne 66 tarefas que verificam como a máquina lida com duas mãos multidigitais ao mesmo tempo: da preensão e do transporte de objetos ao uso de ferramentas e aos contatos delicados. Os autores partem de uma premissa simples: está na hora de reescrever as "provas" da mão robótica, porque as antigas foram feitas para outro tipo de hardware.

Por que os testes antigos deixaram de funcionar

Durante décadas, a maioria dos benchmarks populares de manipulação foi construída em torno de garras paralelas, ou seja, duas "pinças" que apertam o objeto. Para essa mecânica, o conjunto de tarefas é óbvio: pegar, mover, encaixar, pressionar. Não há o que avaliar além da precisão de posicionamento e da sequência de ações.

A mão multidigital funciona de outro jeito. Ela tem dezenas de graus de liberdade, os dedos podem se mover de forma independente e o mesmo objeto pode ser segurado de muitas maneiras. Um teste que se resume a "pegar e colocar" não mostra se o robô consegue reposicionar um objeto na palma, usar uma chave de fenda ou segurar com uma mão, com cuidado, aquilo em que a outra está trabalhando. O HandsOn preenche essa lacuna e coloca o trabalho com as duas mãos no centro da avaliação.

Dados egocêntricos como combustível para mãos ágeis

A segunda razão para o benchmark está nos dados. Cresce o volume de gravações de ações humanas em primeira pessoa: câmeras na cabeça ou em óculos registram como as pessoas pegam objetos, usam ferramentas e fazem ações de contato precisas. Esses datasets mostram o que é difícil coletar de outra forma, a saber, a motricidade fina natural em cenários domésticos e de trabalho.

Para garras paralelas, esses dados têm pouca aplicação: os movimentos da mão humana precisam ser muito simplificados. A mão ágil se parece com a humana na estrutura, e a anotação de "como a pessoa faz" pode ser transferida para o robô com perdas bem menores. Daí a lógica dos autores: se o setor pretende treinar robôs com vídeos egocêntricos, precisa de um sistema comum para medir resultados, ou será impossível comparar as abordagens.

O que se sabe sobre o HandsOn:

• 66 tarefas em um único conjunto;
• foco em mãos multidigitais ágeis, e não em garras paralelas;
• cenários com duas mãos como objeto de avaliação à parte;
• categorias de ação: preensão, uso de ferramentas, contato delicado;
• desenvolvedor: grupo de pesquisa da Universidade Tsinghua.

Para quem isso serve na prática

Os primeiros usuários do benchmark devem ser as equipes que desenvolvem políticas de controle para humanoides e manipuladores com mãos ágeis. Um conjunto único de tarefas permite comparar modelos treinados com vídeo humano com abordagens baseadas em teleoperação e em simulação, sem precisar inventar cenários próprios a cada vez. Para fabricantes de hardware, é uma chance de ver onde o projeto dos dedos ou dos sensores táteis vira gargalo.

Há ainda um efeito mais terra a terra. Enquanto as mãos ágeis não tiverem um teste amplamente aceito, qualquer alegação de "destreza humana" continua sendo uma demonstração em vídeos bem escolhidos. Um conjunto padronizado de 66 tarefas eleva o custo dessas alegações: o resultado se reproduz nas tarefas comuns ou não se reproduz. Para investidores e clientes que escolhem entre diferentes plataformas, esse é um dos poucos jeitos de separar progresso real de um vídeo bem editado.

O sucesso do HandsOn dependerá de outros laboratórios o adotarem. Se o benchmark pegar, pode se tornar para as mãos ágeis o que os conjuntos padrão anteriores se tornaram para a manipulação com garras: uma linguagem comum para comparar modelos.