A recente onda de modelos de linguagem generativa (LLMs) resolveu, em grande medida, a capacidade de uma máquina entender e formular sentenças complexas. O próximo obstáculo, porém, é menos sobre o que um robô diz e mais sobre como ele se comporta em um ambiente social. O desafio de criar um robô capaz de manter uma conversa com uma sala inteira, e não apenas com uma pessoa, esteve no centro de um projeto na Imperial Robotics Summer School, em Londres, segundo um relato da publicação especializada Robohub.

Enquanto assistentes de voz como Alexa ou Siri são mestres na interação um-para-um, o paradigma da conversação em grupo é exponencialmente mais complexo. Não se trata mais de processar um comando isolado, mas de perceber e interpretar uma dinâmica social fluida. A tarefa move o epicentro do problema da inteligência artificial pura para a cognição corporificada — a inteligência que emerge da interação de um corpo físico com seu entorno.

A engenharia da atenção

O projeto desenvolvido no Imperial College foca em três pilares para que um robô possa participar de uma conversa com múltiplas pessoas. O primeiro é a detecção do orador ativo em tempo real. O segundo é a capacidade de rastrear a identidade de cada pessoa ao longo da interação, entendendo quem é quem. O terceiro, e talvez o mais sutil, é a geração de um comportamento de olhar e movimentos de cabeça que transmitam atenção genuína ao grupo, e não a fixação em um único indivíduo.

A complexidade é de ponta a ponta. A intenção de 'participar da conversa', capturada por um LLM, precisa ser traduzida em uma cascata de comandos estruturados. Esses comandos são mapeados para funções de alto nível do robô, que por sua vez são convertidas pela cinemática inversa em trajetórias específicas para cada junta e motor. É uma cadeia que conecta processamento de linguagem natural, visão computacional, engenharia de controle e mecânica, ilustrando por que a robótica social é um campo profundamente interdisciplinar.

O objetivo final não é a mímica perfeita de um ser humano, mas a criação de um participante crível e funcional em um contexto social. As implicações vão da robótica assistencial, onde um robô poderia interagir com uma família, a aplicações em serviços e saúde. O salto de uma interação solitária para uma coletiva é o que pode definir a próxima geração de robôs verdadeiramente sociais.

Com reportagem de Brazil Valley

Source · Robohub