I “modelli di utilità per i robot” evitano la necessità di modificare i dati utilizzati per l’addestramento dei robot ogni volta che cercano di fare qualcosa in ambienti sconosciuti.
È difficile far fare ai robot cose in ambienti che non hanno mai visto prima. In genere, i ricercatori devono addestrarli con nuovi dati per ogni nuovo luogo che incontrano, il che può richiedere molto tempo e denaro.
Ora i ricercatori hanno sviluppato una serie di modelli di intelligenza artificiale che insegnano ai robot a completare compiti di base in ambienti nuovi senza ulteriore addestramento o messa a punto. I cinque modelli di intelligenza artificiale, chiamati modelli di utilità robotica (RUM), consentono alle macchine di completare cinque compiti distinti – aprire porte e cassetti e raccogliere fazzoletti, borse e oggetti cilindrici – in ambienti sconosciuti con una percentuale di successo del 90%.
Il team, composto da ricercatori della New York University, di Meta e dell’azienda di robotica Hello Robot, spera che le sue scoperte rendano più facile e veloce l’insegnamento di nuove abilità ai robot, aiutandoli a funzionare in ambiti finora sconosciuti. L’approccio potrebbe rendere più facile ed economica l’introduzione dei robot nelle nostre case.
“In passato ci si è concentrati molto sul problema di “come far fare tutto ai robot?”, ma non ci si è chiesti “come far fare ai robot le cose che sanno fare – ovunque?””, dice Mahi Shafiullah, dottorando alla New York University che ha lavorato al progetto. “Abbiamo pensato a ‘Come si fa a insegnare a un robot, per esempio, ad aprire una porta qualsiasi, ovunque’?”.
L’insegnamento di nuove abilità ai robot richiede generalmente molti dati, che sono piuttosto difficili da reperire. Poiché i dati per l’addestramento dei robot devono essere raccolti fisicamente – un’impresa lunga e costosa – è molto più difficile costruire e scalare i database di addestramento per i robot di quanto non lo sia per tipi di IA come i modelli linguistici di grandi dimensioni, che vengono addestrati su informazioni scrostate da Internet.
Per rendere più veloce la raccolta dei dati essenziali per insegnare a un robot una nuova abilità, i ricercatori hanno sviluppato una nuova versione di uno strumento già utilizzato in precedenti ricerche: un iPhone collegato a un bastone a tracolla economico, del tipo tipicamente usato per raccogliere la spazzatura.
Il team ha utilizzato il sistema per registrare circa 1.000 dimostrazioni in 40 ambienti diversi, comprese le case di New York e Jersey City, per ciascuno dei cinque compiti, alcuni dei quali erano stati raccolti nell’ambito di ricerche precedenti. Poi hanno addestrato gli algoritmi di apprendimento sui cinque set di dati per creare i cinque modelli RUM.
Questi modelli sono stati utilizzati su Stretch, un robot composto da un’unità a ruote, un’asta alta e un braccio retrattile che reggeva un iPhone, per testare quanto fossero in grado di eseguire i compiti in nuovi ambienti senza ulteriori modifiche. Sebbene abbiano ottenuto un tasso di completamento del 74,4%, i ricercatori sono riusciti ad aumentare il tasso di successo al 90% quando hanno preso le immagini dall’iPhone e dalla telecamera montata sulla testa del robot, le hanno date al recente modello GPT-4o LLM di OpenAI e gli hanno chiesto se il compito era stato completato con successo. Se GPT-4o rispondeva di no, hanno semplicemente resettato il robot e riprovato.
Una sfida importante per i robotisti è che l’addestramento e i test dei loro modelli in laboratorio non sono rappresentativi di ciò che potrebbe accadere nel mondo reale, per cui la ricerca che aiuta le macchine a comportarsi in modo più affidabile in nuovi ambienti è molto apprezzata, afferma Mohit Shridhar, un ricercatore specializzato nella manipolazione robotica che non è stato coinvolto nel lavoro.
“È bello vedere che viene valutato in tutte queste case e cucine diverse, perché se si riesce a far funzionare un robot in una casa a caso, questo è il vero obiettivo della robotica”, afferma.
Il progetto potrebbe servire come ricetta generale per costruire altri modelli di robotica di utilità per altri compiti, aiutando a insegnare ai robot nuove abilità con un minimo di lavoro aggiuntivo e rendendo più facile per le persone che non sono addestrate alla robotica utilizzare i futuri robot nelle loro case, dice Shafiullah.
“Il sogno che ci poniamo è quello di poter addestrare qualcosa, metterlo su Internet e poterlo scaricare ed eseguire su un robot a casa propria”, spiega.
