Un nuovo metodo sviluppato con il coinvolgimento del Politecnico di Zurigo conferisce ai robot una migliore comprensione dello spazio tridimensionale. Il «Geometric Action Model» aiuta le macchine ad afferrare gli oggetti in modo più sicuro – più velocemente e con minore potenza di calcolo rispetto ai metodi finora utilizzati.
Immagine simbolica · generata dall'IAPer noi umani è scontato: vediamo una tazza, stimiamo subito la distanza, come si trova nello spazio, e la afferra. Per i robot è sorprendentemente difficile. Molti moderni programmi robotici «vedono» il mondo principalmente come immagini piatte della telecamera – come se stessero guardando una foto. La terza dimensione, cioè la profondità e la disposizione spaziale, devono laboriosamente dedurla. Nell'afferrare, dove contano i millimetri e il contatto reale, questo spesso porta a errori.
Un team di ricerca con il coinvolgimento del Politecnico di Zurigo – tra cui i noti professori di robotica Marco Hutter e Marc Pollefeys – ha presentato un nuovo approccio: il «Geometric Action Model», in breve GAM. L'idea può essere riassunta semplicemente: invece di derivare faticosamente una comprensione dello spazio da immagini piatte, GAM utilizza fin dall'inizio un modello di intelligenza artificiale che «comprende» il mondo già in modo tridimensionale.
Questa comprensione spaziale di base serve al robot contemporaneamente per tre cose: percepisce l'ambiente circostante, immagina cosa accadrà nel momento successivo e decide come muoversi. Tutto avviene attraverso un unico «cervello» invece di più sistemi separati. In termini semplici: il robot può immaginare spazialmente il prossimo movimento prima di eseguirlo – proprio come un umano pensa rapidamente a come afferrare un bicchiere.
Il risultato è convincente secondo lo studio in più modi. Nei test – sia nella simulazione che con robot reali – GAM ha funzionato con maggiore precisione e affidabilità rispetto ai sistemi precedenti di dimensioni paragonabili. Allo stesso tempo è stato più veloce e ha richiesto meno potenza di calcolo. Questo è particolarmente importante perché i robot devono prendere decisioni in tempo reale e non possono trasportare una potenza di calcolo illimitata.
Finora si tratta di un lavoro di ricerca, non di un prodotto finito. Ma dimostra una direzione di sviluppo centrale del settore: i robot non dovrebbero solo vedere il mondo fisico come un'immagine, ma comprenderlo come uno spazio. Meglio ci riusciranno, prima potranno svolgere compiti quotidiani – dall'organizzazione in officina al gesto in casa. Il fatto che parte di questa ricerca provenga da Zurigo sottolinea ancora una volta il ruolo della Svizzera come centro europeo per la robotica intelligente.
Questo articolo è stato creato con il supporto dell'intelligenza artificiale e verificato dalla redazione. L'immagine dell'articolo è un'immagine simbolica generata dall'IA, non una foto di stampa.