Skip to main content
STEPHANIE ARNETT/MITTR | ENVATO

Anche l’hardware più economico è in grado di eseguire compiti complessi e l’intelligenza artificiale sta aiutando i robot a diventare ancora più intelligenti.

I robot sofisticati non devono necessariamente costare una fortuna. Un nuovo studio ha dimostrato che anche i robot relativamente economici possono svolgere compiti manuali complessi e apprendere rapidamente nuove abilità grazie all’intelligenza artificiale.

Con soli 32.000 dollari, i ricercatori dell’Università di Stanford sono riusciti a costruire un robot su ruote in grado di cucinare un pasto cantonese di tre portate con la supervisione umana. Poi hanno usato l’intelligenza artificiale per addestrarlo a svolgere autonomamente compiti individuali come cucinare i gamberi, pulire le macchie e chiamare il montavivande. Altri robot in grado di svolgere compiti così complessi tendono a costare centinaia di migliaia di dollari, ma i ricercatori hanno mantenuto bassi i costi del progetto scegliendo parti di robot già disponibili e hardware stampato in 3D.

I ricercatori hanno insegnato al robot, chiamato Mobile ALOHA (acronimo di “a low-cost open-source hardware teleoperation system for bimanual operation”), sette diversi compiti che richiedono una serie di abilità di mobilità e destrezza, come sciacquare una padella o dare il cinque a qualcuno.

Per insegnare al robot a cucinare i gamberi, ad esempio, i ricercatori lo hanno azionato a distanza 20 volte per inserire i gamberi nel piano, girarli e poi servirli. Lo hanno fatto in modo leggermente diverso ogni volta, in modo che il robot imparasse a svolgere lo stesso compito in modo diverso, spiega Zipeng Fu, dottorando a Stanford, co-capo progetto.

Per gentile concessione dei ricercatori.

Il robot è stato poi addestrato su queste dimostrazioni, così come su altre eseguite dall’uomo per diversi tipi di compiti che non hanno nulla a che fare con la cottura dei gamberi, come strappare un tovagliolo di carta o un nastro adesivo raccolti da un precedente robot ALOHA senza ruote, spiega Chelsea Finn, assistente alla Stanford University, che è stata consulente del progetto. Questo approccio di “co-training”, in cui vengono combinati dati nuovi e vecchi, ha aiutato Mobile ALOHA ad apprendere nuovi lavori in tempi relativamente brevi, rispetto all’approccio abituale che prevede l’addestramento dei sistemi di intelligenza artificiale su migliaia, se non milioni, di esempi. Da questi vecchi dati, il robot è stato in grado di apprendere nuove competenze che non avevano nulla a che fare con il compito da svolgere, spiega Finn.

Per gentile concessione dei ricercatori.

Se questo tipo di attività domestiche sono facili per gli esseri umani (almeno quando siamo in vena di farle), sono comunque molto difficili per i robot. Fanno fatica ad afferrare e manipolare gli oggetti, perché non hanno la precisione, la coordinazione e la comprensione dell’ambiente circostante che hanno naturalmente gli esseri umani. Tuttavia, i recenti sforzi per applicare le tecniche di intelligenza artificiale alla robotica hanno mostrato molte promesse per sbloccare nuove capacità. Ad esempio, il sistema RT-2 di Google combina un modello di visione linguistica con un robot, che consente agli esseri umani di impartirgli comandi verbali.    

“Una delle cose davvero entusiasmanti è che questa ricetta dell’apprendimento per imitazione è molto generica. È molto semplice. È molto scalabile”, afferma Finn. Raccogliere più dati da imitare potrebbe permettere ai robot di gestire un numero ancora maggiore di compiti in cucina”, aggiunge.

“Mobile ALOHA ha dimostrato qualcosa di unico: un hardware robotico relativamente economico può risolvere problemi davvero complessi”, afferma Lerrel Pinto, professore associato di informatica alla NYU, che non ha partecipato alla ricerca.

Mobile ALOHA dimostra che l’hardware dei robot è già molto capace e sottolinea che l’intelligenza artificiale è il tassello mancante per rendere i robot più utili, aggiunge Deepak Pathak, assistente alla Carnegie Mellon University, che non faceva parte del team di ricerca.

Pinto afferma che il modello dimostra anche che i dati di addestramento alla robotica possono essere trasferibili: l’addestramento su un compito può migliorare le prestazioni per altri compiti. “Questa è una proprietà fortemente auspicabile, poiché quando i dati aumentano, anche se non sono necessariamente per un compito a cui si tiene, possono migliorare le prestazioni del robot”, afferma.

Il team di Stanford intende poi addestrare il robot a svolgere compiti ancora più difficili, come raccogliere e piegare il bucato stropicciato, spiega Tony Z. Zhao, dottorando a Stanford che ha fatto parte del team. Il bucato è tradizionalmente molto difficile per i robot, perché gli oggetti sono raggruppati in forme che faticano a comprendere. Ma Zhao sostiene che la loro tecnica aiuterà le macchine ad affrontare compiti che prima si ritenevano impossibili.