Um robô móvel recebe medidas, usa um programa para decidir e aciona mecanismos. Depois mede novamente. Essa repetição permite corrigir a trajetória quando o piso, a bateria ou a posição mudam. Ter motores e um programa não significa perceber o ambiente: andar por dois segundos é diferente de continuar até uma medida indicar que a linha está no centro.
Considere um seguidor de faixa escura sobre fundo claro. Os sensores voltados ao chão medem luz refletida; o programa transforma esse conjunto em uma estimativa de onde está a faixa. Se ela aparece à direita do robô, a decisão pode ser virar à direita, aumentando relativamente o movimento do lado esquerdo. A próxima leitura informa se o ajuste aproximou ou afastou o robô da faixa.
Essa interpretação contém hipóteses: os sensores estão na ordem esperada, o contraste distingue a faixa, o sentido dos motores está correto e o chão permite movimento. Inverter a ordem dos sensores faz um algoritmo matematicamente correto corrigir para o lado errado. Esteiras girando sem aderência também não produzem o deslocamento esperado.
Para investigar uma falha, percorra três perguntas: o valor lido muda quando o cenário muda? A decisão calculada corresponde a esse valor? O mecanismo responde à decisão? Confira primeiro leituras com motores desativados, depois o sentido de cada lado com o robô apoiado de forma estável e a área livre. Só então avalie o conjunto numa pista no chão, longe de bordas e pessoas.
Autonomia não implica inteligência artificial. Uma regra explícita pode resolver muito bem um problema delimitado. Modelos de IA só fazem sentido quando acrescentam capacidade necessária e quando suas falhas podem ser reconhecidas. Para começar, conseguir explicar a decisão do robô é mais útil que adicionar uma câmera sem saber como seu resultado muda o movimento.