Robot umanoide sale su una scala: imparato in 13 minuti, provato solo nel simulatore

Un Unitree G1 sale una scala, salta sopra una cassa e si rialza da solo dopo una caduta, ha imparato tutto da 13,2 minuti di movimento umano. Il Robotic Systems Lab dell'ETH di Zurigo ha presentato il lavoro il 22 ottobre, insieme a ricercatori di Apple e Nvidia.

La novità è l'abbandono del modello, perché il robot non copia più il movimento registrato, ma pianifica autonomamente dove vuole appoggiarsi con mani, ginocchia o gomiti. Il tasso di successo del 92,5% sembra convincente, solo che proviene da corsi di simulazione in cui il rumore dei sensori e i ritardi di controllo erano disattivati. Per il vero robot in una vera sala, il paper non fornisce nemmeno un singolo numero di successo.

Due reti neurali si dividono il lavoro, e entrambe funzionano a bordo a cinquanta hertz. La prima predice dove mani, gomiti, ginocchia, piedi e bacino dovrebbero entrare in contatto con l'ambiente nei prossimi 1,5 secondi, nove punti di contatto in totale. La seconda traduce questo piano in comandi per 23 giunture, mentre il controllo delle giunture sottostante lavora quattro volte più veloce. L'ambiente è visto da un lidar sulla testa, la cui nuvola di punti diventa una mappa di altezza con griglia di tre centimetri in meno di trenta millisecondi, e tutto viene calcolato sul processore principale di un Jetson Orin NX.

Dietro c'è una decisione su cui la robotica dibatte da anni. Chi addestra un controllo senza modelli di movimento ottiene una macchina che gestisce bene il terreno sconosciuto, ma che appare goffa e si lascia convincere con difficoltà a fare movimenti coordinati di tutto il corpo. Chi invece simula registrazioni umane ottiene movimenti fluidi che falliscono immediatamente al di fuori dei percorsi registrati. Il gruppo di Zurigo usa i dati di movimento solo come conoscenza preliminare durante l'allenamento e fa il contatto stesso diventare l'interfaccia tra percezione e controllo. Durante l'esecuzione, la macchina non ha più bisogno di alcun riferimento e conosce solo il suo stato, la mappa di altezza e un obiettivo.

I 13,2 minuti di materiale di movimento non provengono da un singolo archivio, ma da più raccolte come Mixamo, LAFAN e Omniretarget, ed è stato esteso computazionalmente. Il materiale non è costoso, la computazione lo è, perché l'allenamento è avvenuto in tre fasi su schede grafiche di tipo RTX 4090, con fino a dodicimila simulazioni parallele per scheda. Solo l'ultima fase ha richiesto circa due giorni su quattro di queste schede. Questa fase è la più preziosa perché estende le capacità a forme di terreno che mai sono apparse nei dati umani, e aumenta il tasso di successo su passi radi di 54,8 punti percentuali.

Gli autori stessi descrivono i limiti, ed è più chiaramente di quanto i video suggeriscono. La rappresentazione del contatto pensa in termini di pavimenti e gradini, quindi in due dimensioni e mezzo, per cui una presa sopra la testa o l'appendersi a un'asta non sono previsti. Manca anche una navigazione globale, il robot si muove solo localmente verso un obiettivo predefinito. E i movimenti senza una propria sequenza di contatto non possono essere distinti con questo approccio, perché un capovolgimento all'indietro e un salto verticale producono la stessa sequenza di contatti.

Anche il valore di confronto merita una seconda occhiata. Il 58,8%, che il paper attribuisce al metodo precedente MGMT degli stessi otto corsi, è stato misurato esattamente nelle stesse condizioni attenuate dei 92,5%. La differenza mostra quindi soprattutto che la nuova pianificazione del contatto pianifica meglio, e non che regge sul cemento. Quello che succede nella vera sala è documentato finora da registrazioni di singoli passaggi, e gli autori li chiamano esplicitamente prove approfondite, senza fornire una percentuale.

Per la Svizzera c'è qualcosa di interessante non scritto nel paper: il corpo viene da Hangzhou, le competenze da Zurigo. l'attrezzatura descritta corrisponde alla variante di ricerca G1 EDU-U1 con 23 gradi di libertà e Jetson Orin NX, che nel registro di robothub24 è quotata a un prezzo indicativo di CHF 31'879. Considerati i numeri a sei cifre menzionati per i grandi umanoidi americani, è il prezzo di un furgone di consegna.

Proprio da questo dipende la domanda economica. Se le capacità di una tale macchina arrivano come software in seguito, il suo valore passa dal metallo al codice, e un'economia che finora ha prosperato con il metallo deve riflettere su dove guadagnare. Da quando gli USA a luglio hanno bloccato le importazioni di robot cinesi, questa divisione del lavoro è diventata anche politicamente controversa, perché i gruppi europei possono ricercare indisturbati su dispositivi che un laboratorio americano non può più procurarsi nuovi.

Quanto strettamente sono intrecciate le cose è dimostrato dall'elenco degli autori. Vladlen Koltun e Matthias Müller ricercano per Apple, Clemens Schwarke lavora contemporaneamente per Nvidia, e sopra tutto sta Marco Hutter, il cui laboratorio ha già portato il quadrupede ANYmal nell'industria. Il paper reca l'avviso under review, il codice non è ancora pubblicato, e sulla pagina del progetto manca ancora oggi il video principale del lavoro.