I ricercatori del Politecnico di Zurigo hanno sviluppato un sistema robotico in grado di risolvere un gioco di labirinti del mondo reale utilizzando l'apprendimento per rinforzo.
Come dettagliato in il loro studio Con il titolo "Sample-Efficient Learning to Solve a Real-World Labyrinth Game Using Data-Augmented Model-Based Reinforcement Learning", questo robot dotato di intelligenza artificiale ha padroneggiato il gioco del labirinto BRIO in sole cinque ore di addestramento, superando qualsiasi tentativo precedente.
Il gioco del labirinto di BRIO, che potrebbe risultare familiare ad alcuni, è una prova di motricità fine e di ragionamento spaziale che richiede ai giocatori di navigare una palla d'acciaio attraverso un labirinto inclinando il campo di gioco.
Nonostante la sua apparente semplicità, il gioco è complesso a causa della relazione tra la palla e le pareti, delle irregolarità della superficie e della dinamica non lineare delle manopole di controllo. Queste sfide rendono il labirinto ideale per l'applicazione e la valutazione di metodi di apprendimento robotico all'avanguardia.
Il team del Politecnico di Zurigo, guidato da Thomas Bi e dal professor Raffaello D'Andrea, ha sviluppato un metodo che estrae osservazioni efficienti dal labirinto utilizzando le immagini delle telecamere.
Il processo di apprendimento dell'intelligenza artificiale si basa sull'apprendimento per rinforzo basato su un modello, utilizzando una funzione di ricompensa definita dal progresso attraverso il labirinto.
Dopo l'addestramento, il robot AI ha navigato con successo nel labirinto con una percentuale di successo di 76% e un tempo medio di completamento di 15,73 secondi. Questo risultato è leggermente migliore del miglior record umano di 15,95 secondi.
Come ha funzionato lo studio
Il sistema utilizza una telecamera per catturare immagini dall'alto verso il basso, estraendo dati cruciali come la posizione della palla e la disposizione del labirinto. Apprendimento automatico Le tecniche di osservazione speculare migliorano i dati di addestramento, generando dati più diversificati e migliorando la generalizzazione.
Questa ricerca rappresenta un notevole passo avanti nell'applicazione dell'IA in ambienti dinamici e reali. Il team dell'ETH ha intenzione di rendere open source il proprio progetto, ritenendo che il sistema possa fungere da valido punto di riferimento nel mondo reale per ulteriori ricerche sull'IA, grazie ai suoi bassi requisiti di spazio, al costo modesto e alla semplice configurazione hardware.
Ulteriori risultati sono stati pubblicati su questo sito web, e qui di seguito potete vedere un video che illustra il funzionamento del sistema robotico.
Uno dei coautori dello studio, il prof. Raffaello D'Andrea, Abbiamo commentato: "Crediamo che questo sia il banco di prova ideale per la ricerca sull'apprendimento automatico e sull'IA nel mondo reale. Prima di CyberRunner, solo le organizzazioni con grandi budget e infrastrutture sperimentali personalizzate potevano svolgere ricerche in questo settore".
"Ora, con meno di 200 dollari, chiunque può impegnarsi in ricerche di AI all'avanguardia. Inoltre, una volta che migliaia di CyberRunner saranno nel mondo reale, sarà possibile intraprendere esperimenti su larga scala, dove l'apprendimento avviene in parallelo, su scala globale. Il massimo della Citizen Science!".
L'applicazione di sistemi avanzati di intelligenza artificiale a sistemi robotici di utilità pratica ha suscitato un enorme interesse. Di recente i ricercatori hanno utilizzato l'IA per costruire un robot capace di fabbricare autonomamente un ossigeno catalizzatore da campioni di roccia, e DeepMind ha collaborato a un progetto di laboratorio di ricerca autonomo in grado di scoprire e sintetizzare composti.
Il robot AI del Politecnico di Zurigo dimostra il potenziale delle tecniche avanzate di AI nella risoluzione delle sfide del mondo reale, colmando il divario tra le capacità teoriche dell'AI e il suo utilizzo pratico in ambienti fisici.
In futuro, queste tecnologie si uniranno per consentire sistemi robotici efficienti e intelligenti che gestiscono autonomamente compiti complessi nella vita reale.
