Baseado na técnica de aprendizado por reforço, invento de brasileiro pode transformar setores industriais

O inventor brasileiro da Ericsson, Klaus Raizer, revelou sua mais recente invenção, o multi-agent reinforcement learner for shadow mitigation, um sistema que combina a tecnologia de aprendizado por reforço com a colaboração de múltiplos agentes. A criação de Raizer e coautores tem o potencial de transformar setores industriais, como agricultura, manufatura e telecomunicações, ao permitir a cooperação autônoma entre agentes para atingir objetivos comuns.

Diferentemente dos sistemas tradicionais, em que um único agente toma decisões no ambiente, o multi-agent reinforcement learner é composto por múltiplos agentes trabalhando de forma independente, porém, colaborativa. O sistema se baseia na técnica de aprendizado por reforço, no qual os agentes recebem recompensas pelo desempenho de suas ações no ambiente em que estão inseridos.

Para ilustrar o funcionamento de algoritmos de aprendizado por reforço, imagine um robô que deseja aprender a andar. A cada vez que ele consegue se manter em pé por um determinado período, é concedida uma recompensa positiva. Por outro lado, se ele cair, recebe uma recompensa negativa. O agente, nesse caso, é o próprio robô, que está aprendendo o comportamento desejado de andar de forma autônoma.

No contexto do método desenvolvido, a aplicação se estende para além de um único agente aprendendo a realizar uma tarefa específica. Pode-se considerar, por exemplo, uma frota de drones com o objetivo de monitorar uma área agrícola em busca de problemas ou identificar áreas afetadas por desastres naturais. Esses drones funcionam de forma independente, como agentes individuais, mas também precisam cooperar entre si para alcançar os objetivos estabelecidos.

Outro exemplo que inspirou a criação da patente foi a crescente utilização de robôs móveis em fábricas, responsáveis por diversas tarefas, como transporte de materiais e equipamentos internos. Em tais ambientes, é essencial que haja cobertura de rede em todas as áreas críticas para o controle dos equipamentos ou fornecimento de sinal para os operadores. O método de multi-agent reinforcement learning permite que os agentes colaborem para estender a cobertura da rede, superando desafios de comunicação e sombras de sinal, sem a necessidade de um excesso de infraestrutura.

A aplicabilidade do sistema desenvolvido por Klaus Raizer e coautores é ampla e pode ser implementada em diferentes ambientes. A patente abrange casos em que a colaboração entre agentes é necessária e nem sempre é possível uma comunicação direta. Nesses cenários, os próprios agentes podem atuar como repetidores de internet, ampliando o alcance do sinal de rede por meio de antenas distribuídas estrategicamente.

Uma das principais vantagens da invenção é a compatibilidade com redes 4G e 5G, tornando-a uma solução pronta para o futuro das comunicações. A tecnologia resultante da patente combina diversas técnicas inovadoras, consolidando um conhecimento multidisciplinar para sua criação.

Empresários de diversos setores poderão se beneficiar da invenção, reduzindo custos operacionais e minimizando falhas e acidentes por meio de uma cobertura de rede mais abrangente. No entanto, a adoção efetiva da tecnologia requer que as empresas estejam digitalizadas e prontas para integrar o sistema em suas operações.

Embora os metodos de multi-agent reinforcement tenham despertado grande interesse e expectativa, ainda não há previsão para sua comercialização. A invenção é resultado de uma colaboração entre a Ericsson Brasil, Ericsson Índia e Ericsson Suécia, destacando a importância da cooperação global para o avanço tecnológico.

Com esta invenção, Klaus Raizer e colaboradores colocam o Brasil no mapa da inovação tecnológica, demonstrando a capacidade do país em desenvolver soluções avançadas que têm o potencial de transformar a indústria global. Agora, resta aguardar os próximos passos para sua implementação e as possíveis mudanças que essa tecnologia revolucionária trará aos diferentes setores.