Há uma nova máquina que consegue fazer o trabalho de as dividir por recipientes separados para ajudar a manter tudo mais ou menos organizado. Esta máquina foi construída em Lego pelo Youtuber Daniel West e usa também um computador Raspberry Pi e alguns motores. Tudo é controlado por um programa que utiliza inteligência artificial para reconhecer as peças e enviá-las para o recipiente certo.
Esta máquina não é a primeira a ser construída para este efeito, mas parece ser a mais eficaz em separar peças.
Aliás, Daniel West diz que a sua máquina foi inspirada em dois modelos, incluindo uma máquina desenvolvida em 2011, que a primeira capaz de dividir e organizar grandes quantidades de peças. E uma outra que foi a primeira a usar inteligência artificial para reconhecer peças de Lego.
Esta máquina demorou dois anos a ser desenvolvida e consegue neste momento reconhecer e separar mais de 3000 peças, ou seja praticamente todos os tipos de peças de Lego existentes na actualidade. E à medida que forem surgindo novas peças, a máquina irá conseguir aprender a reconhecê-las também.
A máquina usa seis motores da Lego mais outros nove de outros tipos e é capaz de reconhecer e arrumar uma peça a cada dois segundos.
A peça chave da máquina é a unidade de captação de imagens cujo funcionamento West explica num artigo publicado na plataforma Medium. É aqui que a câmara está instalada e que capta imagens de cada peça de Lego que passa por lá. De seguida, as imagens são processadas inicialmente por um Rapsberry Pi que depois as passa por wi-fi para um computador maior que está a executar a rede neuronal que analisa a imagem e devolve ao Raspberry Pi informação acerca da peça que é utilizada para a enviar para o recipiente certo.
Para conseguir isto, West construiu uma ‘rede neural convolucional’, um algoritmo que atribui um nível de importância a uma imagem e depois classifica características a outra. Daniel West publicou um segundo vídeo em que explica como construiu e implementou este algoritmo.
Para ajudar no processo, West usou uma base de dados de peças de Lego em 3D. No entanto, há o problema das subtis diferenças entre os modelos tridimensionais e as peças reais, que incluem sombras e texturas que dificultam o trabalho de reconhecimento por parte da rede neuronal. Para tentar resolver este problema, West usou um método chamado “domain randomization” que abandona a necessidade de haver uma correspondência exacta entre os modelos 3D e uma peça real. Em vez disso aumenta-se a diversidade de peças em cores e ângulos diferentes, que são mostradas à rede neuronal para que aprenda a reconhecê-las melhor.