I progressi dell’intelligenza artificiale stanno rapidamente accelerando il processo di formazione dei robot, aiutandoli a svolgere nuovi compiti in modo quasi istantaneo.
CHI
Agility, Amazon, Covariant, Robust, Toyota Research Institute
QUANDO
Ora
L’intelligenza artificiale generativa sta provocando un cambiamento di paradigma nelle modalità di addestramento dei robot. È ora chiaro come potremmo finalmente costruire robot veramente capaci che per decenni sono rimasti materia di fantascienza.
I ricercatori di robotica non sono estranei all’intelligenza artificiale: per anni ha aiutato i robot a rilevare gli oggetti sul loro percorso, ad esempio. Ma qualche anno fa, i robotisti hanno iniziato a stupirsi dei progressi compiuti nei modelli linguistici di grandi dimensioni. I creatori di questi modelli potevano alimentarli con enormi quantità di testo – libri, poesie, manuali – e poi metterli a punto per generare testi basati su richieste.
Esplora l’elenco completo delle 10 Tecnologie Emergenti 2025.
L’idea di fare lo stesso per la robotica era allettante, ma incredibilmente complicata. Una cosa è usare l’intelligenza artificiale per creare frasi su uno schermo, un’altra è usarla per insegnare a un robot fisico come muoversi e fare cose utili.
Ora i robotisti hanno fatto importanti passi avanti in questo senso. Uno di questi è stato capire come combinare diversi tipi di dati e renderli utili e leggibili per un robot. Prendiamo ad esempio il lavaggio dei piatti. È possibile raccogliere dati da una persona che lava i piatti indossando dei sensori. Poi si possono combinare con i dati di teleoperazione di un umano che svolge lo stesso compito con braccia robotiche. Inoltre, è possibile cercare su Internet immagini e video di persone che lavano i piatti.
Unendo correttamente queste fonti di dati in un nuovo modello di IA, è possibile addestrare un robot che, pur non essendo perfetto, ha un enorme vantaggio rispetto a quelli addestrati con metodi più manuali. Vedere così tanti modi in cui un singolo compito può essere svolto rende più facile per i modelli di IA improvvisare e ipotizzare quale dovrebbe essere la prossima mossa di un robot nel mondo reale.
È una scoperta destinata a ridefinire le modalità di apprendimento dei robot. I robot che lavorano in spazi commerciali come i magazzini utilizzano già questi metodi di addestramento avanzati e le lezioni che apprendiamo da questi esperimenti potrebbero gettare le basi per i robot intelligenti che aiutano in casa.
