I ricercatori del Massachusetts Institute of Technology (MIT) hanno sviluppato una tecnica di intelligenza artificiale per consentire ai robot di manipolare gli oggetti utilizzando l'intero corpo.
La manipolazione di oggetti utilizzando più punti di contatto tra le varie parti del corpo rappresenta una sfida enorme per i robot. Gli esseri umani eccellono nella manipolazione del corpo intero, trasportando senza problemi scatole di grandi dimensioni o tenendo in mano oggetti irregolari.
Tuttavia, i robot sono molto meno competenti nei compiti di manipolazione complessi, a causa dei numerosi punti di contatto tra gli oggetti e le diverse parti del loro corpo.
"Piuttosto che pensare a questo come a un sistema 'black-box', se possiamo sfruttare la struttura di questi tipi di sistemi robotici usando dei modelli, c'è l'opportunità di accelerare l'intera procedura per cercare di prendere queste decisioni e di elaborare piani ricchi di contatti", ha detto H.J. Terry Suh, uno studente laureato in ingegneria elettrica e informatica (EECS) e co-autore del documento di ricerca.
Il lavoro dei ricercatori del MIT affronta l'intensità e la complessità computazionale dei compiti di manipolazione robotica, in particolare quelli che comportano scenari ricchi di contatti. Quando pianificano un'attività di manipolazione, i robot devono considerare innumerevoli possibilità di contatto con un oggetto, il che comporta un numero intrattabile di calcoli.
Tradizionalmente, per risolvere questo problema sono stati utilizzati metodi di apprendimento per rinforzo (RL), che però richiedono risorse computazionali e tempo elevati.
Il studio ha introdotto lo "smoothing" per affrontare questo problema. Il processo di "smoothing" snellisce il carico computazionale riducendo il numero di eventi di contatto che il robot deve considerare. Il processo di "smoothing" semplifica il carico computazionale riducendo il numero di eventi di contatto che il robot deve prendere in considerazione, condensando la miriade di punti di contatto potenziali in un insieme gestibile di decisioni chiave.
In sostanza, molte azioni e contatti irrilevanti che il robot potrebbe compiere vengono eliminati, lasciando solo i punti vitali dell'interazione che devono essere calcolati.
Per implementare lo "smoothing", il team ha progettato un modello basato sulla fisica. Questo modello replica in modo efficiente il tipo di "mediazione" delle interazioni non critiche che si verifica implicitamente nei metodi di apprendimento per rinforzo.
Il team ha testato il proprio approccio sia in simulazioni che in hardware robotici reali, dimostrando prestazioni paragonabili a quelle dell'apprendimento per rinforzo, ma a una frazione del costo computazionale.
Applicazioni pratiche
Le implicazioni di questa ricerca sono potenzialmente di vasta portata. Sul fronte industriale, la tecnica potrebbe consentire l'utilizzo di robot più piccoli e mobili, in grado di svolgere compiti complessi con maggiore flessibilità.
Ciò potrebbe comportare una riduzione del consumo energetico e dei costi operativi. Al di là delle fabbriche, questa tecnologia potrebbe cambiare le carte in tavola per le missioni di esplorazione spaziale, consentendo ai robot di adattarsi rapidamente a terreni o compiti imprevedibili con risorse computazionali minime.
Inoltre, questi metodi computazionali potrebbero aiutare i ricercatori a costruire mani competenti e simili alla vita.
"Le stesse idee che consentono la manipolazione del corpo intero funzionano anche per la pianificazione con mani destre e simili a quelle umane", ha dichiarato Russ Tedrake, autore senior e professore Toyota di EECS al MIT.
Mentre l'intelligenza artificiale sta alimentando le trasformazioni nel campo della robotica, dotando i robot di abilità e capacità di comprensione sempre più avanzate, non abbiamo ancora costruito nulla che abbia una destrezza biologica.
Man mano che l'hardware dell'IA si riduce in dimensioni ridotte, chip ad alta efficienza energetica e i ricercatori trovano il modo di risolvere i problemi computazionali, probabilmente i robot destri e simili alla vita non sono lontani.
