Os humanos, você deve ter notado, não são perfeitos. Batemos carros. Nós nos machucamos realizando trabalhos perigosos, como mineração e construção. E não nos saímos bem em ambientes extremos que gostaríamos de explorar – como o oceano profundo ou o vácuo do espaço.

Mas Marco Pavone , professor associado de aeronáutica e astronáutica, e os seus alunos do Laboratório de Sistemas Autônomos (ASL) esperam que tecnologias emergentes, como carros autônomos e robôs espaciais, possam um dia nos ajudar a contornar essas deficiências.

“É preciso muito esforço e equipamento para manter as pessoas vivas no espaço”, disse Stephanie Newdick , estudante de doutoramento no laboratório de Pavone. E também não somos exatamente indestrutíveis na Terra. Às vezes, ela disse: “Faz mais sentido enviar um robô”.

Um carro autônomo ideal, por exemplo, deveria cometer menos erros do que um condutor humano, permitindo aos passageiros chegar aos seus destinos de forma mais eficiente e reduzindo o risco de acidente. E robôs espaciais autônomos poderiam reparar satélites ou explorar paisagens marcianas – salvando os astronautas de tarefas potencialmente fatais, ao mesmo tempo que ultrapassam os limites da exploração espacial.

Alcançar esse nível de competência para um robô espacial ou carro autônomo, no entanto, é mais fácil de falar do que fazer. Sistemas autónomos como estes devem ser capazes de tomar decisões e depois traduzi-las em ações físicas em ambientes imprevisíveis – ou completamente estranhos.

A ASL aborda ambas as questões, começando pela concepção de algoritmos de tomada de decisão que tratam qualquer cenário como um problema de otimização de custo-benefício. Um carro autônomo, por exemplo, deve calcular qual série de ações lhe permite atravessar um cruzamento mais rápido, evitando pedestres e sem empurrar passageiros – tudo em alguns milissegundos. Além de seguir os fundamentos da boa condução, como permanecer dentro das linhas e respeitar os sinais de trânsito, isso também envolve antecipar as reações das pessoas ao seu redor.

“Se o robô fizer alguma coisa, como um humano próximo poderá responder?” disse Pavone. “E com base nisso, como o robô toma sua próxima decisão?”

Os modelos de tomada de decisão também têm de navegar pela confusão de sinais que um carro pode encontrar – reconhecendo, por exemplo, que um sinal de stop impresso num outdoor não significa “pare”. O laboratório de Pavone está usando grandes modelos de linguagem para projetar sistemas que possam levar em conta o contexto em cenários como este. Idealmente, disse Pavone, esses sistemas serão capazes de aprender com a experiência.

“Você vê muitas novidades em sua vida, mas apela para experiências passadas e não surta”, disse Pavone. “É muito difícil fazer isso com um robô.”

Contudo, toda essa tomada de decisões não adianta nada, a menos que um robô consiga traduzi-la em ações físicas eficazes em ambientes desconhecidos – por exemplo, gravidade zero.

É por isso que o laboratório de Pavone tem uma mesa de air hockey (ou algo próximo a uma). Protótipos de robôs em sua superfície ultralisa de granito disparam jatos de ar para baixo e para os lados, deslizando sobre ela como um disco. Desta forma, o laboratório de Pavone pode testar até que ponto os algoritmos dos robôs se traduzem em movimento lateral (embora não vertical) num ambiente semelhante a gravidade zero.

Para garantir que os robôs possam fazer o seu trabalho assim que chegarem ao destino, o ASL também trabalha em ferramentas de preensão – como microespinhos para enganchar em superfícies irregulares e um adesivo inspirado em lagartixas desenvolvido em conjunto com o laboratório Cutkosky . Tecnologias como estas poderiam permitir que robôs como o Astrobee, um assistente flutuante a bordo da ISS, movimentassem carga, buscassem ferramentas, fizessem reparos e limpassem detritos.

Mas os projetos da ASL também poderiam ajudar na exploração espacial. Veja o ReachBot,  um dos principais projetos de Newdick. Seus oito braços se estendem como uma fita métrica com pinças nas extremidades. Emparelhado com um sistema de navegação autônomo, isto poderia permitir-lhe escalar cavernas e túneis em Marte sem arriscar uma vida humana para explorar pessoalmente – mas provavelmente não tão cedo.

“Se eu tiver muita sorte, em 20 anos meu trabalho inspirará outro robô que fará algo diferente, mas relacionado”, disse Newdick. “Mas se alguma parte do que você faz pode contribuir para algo maior, então esse é o objetivo.”

A implantação de sistemas autônomos tem as suas desvantagens – especialmente na Terra, onde os robôs poderiam potencialmente assumir alguns empregos atualmente ocupados por humanos.

“Isso está sempre na minha mente”, disse Pavone. “Desenvolvemos sistemas que, esperamos, criarão oportunidades a longo prazo, mas que a curto prazo poderão causar danos significativos a alguns segmentos da sociedade.”

Pavone e os seus alunos colaboram com outras escolas em Stanford para compreender essas consequências e conceber diferentes tipos de estratégias para as mitigar – como utilizar a IA para redistribuir o dinheiro das portagens de trânsito dos motoristas que podem pagar as portagens para aqueles que não podem.

Mas com os robôs espaciais, nem o céu é o limite. Pavone dá o exemplo de Marte: há 20 anos, o objetivo era apenas pousar um robô lá. Agora, enviamos helicópteros para obter vistas aéreas da superfície e, com o ReachBot, esperamos olhar para o subsolo.

“Você sempre quer entrar em ambientes mais complicados”, disse Pavone. Newdick concordou: dados os recursos, disse ela, adoraria projetar um robô para rastejar pelas aberturas na crosta gelada de Encélado, uma lua de Saturno, em busca de sinais de vida – outra exploração provavelmente impossível sem robôs autônomos.

“Aprender de onde viemos, de onde vieram os planetas e as estrelas – isso sempre foi uma curiosidade”, disse Newdick. “Podemos aprender muito fazendo ciência na Terra, mas podemos aprender mais se procurarmos também em outro lugar.”