Modelos de difusão como o DALL-E da OpenAI estão se tornando cada vez mais úteis para auxiliar no brainstorming de novos projetos. Humanos podem solicitar que esses sistemas gerem uma imagem, criem um vídeo ou refinem um projeto e retornem com ideias que não haviam considerado antes.

Mas você sabia que modelos de inteligência artificial generativa (GenAI) também estão avançando na criação de robôs funcionais?  Abordagens recentes baseadas em difusão geraram estruturas e os sistemas que as controlam do zero. Com ou sem a contribuição do usuário, esses modelos podem criar novos projetos e avaliá-los em simulação antes de serem fabricados.

Uma nova abordagem do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) do MIT aplica esse conhecimento generativo para aprimorar os projetos robóticos humanos. Os usuários podem esboçar um modelo 3D de um robô e especificar quais partes gostariam de ver modificadas pelo modelo de difusão, fornecendo suas dimensões antecipadamente. O GenAI então faz um brainstorming da forma ideal para essas áreas e testa suas ideias em simulação. Quando o sistema encontra o design certo, você pode salvar e fabricar um robô funcional do mundo real com uma impressora 3D, sem a necessidade de ajustes adicionais.

Os pesquisadores usaram essa abordagem para criar um robô que salta em média cerca de 60 cm, ou 41% mais alto do que uma máquina semelhante que eles criaram por conta própria. As máquinas são quase idênticas na aparência: ambas são feitas de um tipo de plástico chamado ácido polilático e, embora inicialmente pareçam planas, elas se projetam em forma de diamante quando um motor puxa o fio conectado a elas. Então, o que exatamente a IA fez de diferente?

Um olhar mais atento revela que as ligações geradas pela IA são curvas e se assemelham a baquetas grossas (o instrumento musical usado pelos bateristas), enquanto as peças de conexão do robô padrão são retas e retangulares.

Os pesquisadores começaram a refinar seu robô saltador amostrando 500 designs potenciais usando um vetor de incorporação inicial — uma representação numérica que captura características de alto nível para orientar os designs gerados pelo modelo de IA. A partir deles, eles selecionaram as 12 melhores opções com base no desempenho na simulação e as utilizaram para otimizar o vetor de incorporação.

Esse processo foi repetido cinco vezes, guiando progressivamente o modelo de IA para gerar designs melhores. O design resultante se assemelhava a uma mancha, então os pesquisadores solicitaram que o sistema dimensionasse o rascunho para se ajustar ao modelo 3D. Em seguida, fabricaram a forma, descobrindo que ela de fato melhorava a capacidade de salto do robô.

A vantagem de usar modelos de difusão para essa tarefa, de acordo com o coautor principal e pós-doutorado do CSAIL, Byungchul Kim, é que eles podem encontrar soluções não convencionais para refinar robôs.

“Queríamos que nossa máquina saltasse mais alto, então imaginamos que poderíamos simplesmente fazer os elos que conectam suas partes o mais finos possível para torná-los leves”, diz Kim. “No entanto, uma estrutura tão fina pode quebrar facilmente se usarmos apenas material impresso em 3D. Nosso modelo de difusão teve uma ideia melhor, sugerindo um formato único que permitiu ao robô armazenar mais energia antes de saltar, sem tornar os elos muito finos. Essa criatividade nos ajudou a aprender sobre a física subjacente da máquina.”

A equipe então encarregou seu sistema de projetar um pé otimizado para garantir que ele pousasse com segurança. Repetiram o processo de otimização e, por fim, escolheram o design de melhor desempenho para fixar na base da máquina. Kim e seus colegas descobriram que a máquina projetada por IA caía com muito menos frequência do que a original, o que representa uma melhoria de 84%.

A capacidade do modelo de difusão de aprimorar as habilidades de salto e aterrissagem de um robô sugere que ele pode ser útil para aprimorar o design de outras máquinas. Por exemplo, uma empresa que trabalha com robôs industriais ou domésticos poderia usar uma abordagem semelhante para aprimorar seus protótipos, economizando o tempo dos engenheiros normalmente reservado para iterar essas mudanças.

Para criar um robô que pudesse saltar alto e pousar com estabilidade, os pesquisadores reconheceram que precisavam encontrar um equilíbrio entre os dois objetivos. Eles representaram a altura do salto e a taxa de sucesso na aterrissagem como dados numéricos e, em seguida, treinaram o sistema para encontrar um ponto ideal entre os dois vetores de incorporação, o que poderia ajudar a construir uma estrutura tridimensional ideal.

Os pesquisadores observam que, embora este robô assistido por IA tenha superado seu equivalente projetado por humanos, ele poderá em breve atingir patamares ainda maiores. Esta iteração envolveu o uso de materiais compatíveis com uma impressora 3D, mas versões futuras alcançariam patamares ainda maiores com materiais mais leves.

O coautor principal e aluno de doutorado do MIT CSAIL, Tsun-Hsuan “Johnson” Wang, afirma que o projeto é um ponto de partida para novos projetos de robótica nos quais a IA generativa poderia contribuir.

“Queremos expandir para objetivos mais flexíveis”, diz Wang. “Imagine usar linguagem natural para guiar um modelo de difusão e projetar um robô capaz de pegar uma caneca ou operar uma furadeira elétrica.”

Kim afirma que um modelo de difusão também poderia ajudar a gerar articulação e a idealizar como as peças se conectam, potencialmente melhorando a altura de salto do robô. A equipe também está explorando a possibilidade de adicionar mais motores para controlar a direção de salto da máquina e, talvez, melhorar sua estabilidade no pouso.

O trabalho dos pesquisadores foi apoiado, em parte, pelo programa Fronteiras Emergentes em Pesquisa e Inovação da Fundação Nacional de Ciências, pelo programa Mens, Manus e Machina da Aliança para Pesquisa e Tecnologia Singapura-MIT e pela colaboração entre o Instituto de Ciência e Tecnologia de Gwangju (GIST) e o CSAIL. Eles apresentaram seus trabalhos na Conferência Internacional sobre Robótica e Automação de 2025.