I nuovi modelli fanno provare ai robot i futuri possibili in millisecondi prima di muoversi

Dalla semplice osservazione degli oggetti alla previsione dei passi successivi

I vecchi sistemi robotici partivano dal riconoscimento: una telecamera individuava una tazza, il pinzatore la afferrava e il movimento successivo seguiva un programma fisso o una dimostrazione copiata. Questa impostazione funzionava finché la scena restava familiare, ma si inceppava non appena gli oggetti si spostavano, le superfici cambiavano o il compito richiedeva più passaggi che nessuno aveva programmato. L’idea più recente è far sì che la macchina formi un’aspettativa su ciò che accadrà dopo ogni azione.

RT-1 ha dimostrato che le politiche di manipolazione basate su transformer possono imparare da grandi raccolte di dimostrazioni teleoperate. Il modello, un decoder-only con 35 milioni di parametri, trasformava istruzioni linguistiche e immagini della videocamera in azioni sequenziali del robot. Comprimeva le informazioni visive prima della fusione, riducendo i 81 token delle immagini a soli 8 token chiave. Lo spazio delle azioni era discretizzato in 256 intervalli su 11 dimensioni: una scelta che rendeva la manipolazione a sei gradi di libertà più gestibile dal punto di vista computazionale per un modello così piccolo. RT-1 ha raggiunto un tasso di successo del 67% su oltre 700 compiti di manipolazione distinti. L’obiettivo era collegare il significato degli oggetti con un movimento utile: vedere una bottiglia poteva quindi portare a tenderle la mano in modo coerente con il compito.

Il passo oltre il riconoscimento è la previsione di ciò che viene dopo. Un modello dell’ambiente appreso può prendere la vista attuale, lo stato del corpo e il movimento proposto per stimare la scena successiva. Non ha bisogno che ogni legge fisica sia scritta a mano: impara schemi da video sincronizzati, flussi di sensori e registri delle interazioni. Questi ingressi vengono compressi in simboli compatti che preservano il movimento e il significato.

Durante l’addestramento, al modello viene chiesto di prevedere il passo successivo o una breve finestra futura. Questo gli permette di assimilare come gli oggetti rispondono normalmente a contatto, gravità e movimento, senza ricevere una chiave di risposta separata per ogni fotogramma. Due design comuni lo fanno in modo diverso: uno prevede le parti future in ordine, come una frase costruita parola per parola, offrendo un controllo fine su ciò che viene generato successivamente. L’altro parte dal rumore e lo rimuove lentamente finché non appare un futuro coerente, rappresentando così diversi esiti plausibili invece di mediare tutto in un’unica stima sfocata.

I modelli comportamentali aggiungono un ulteriore livello di verifica. Confrontano il movimento generato con esempi simili a quelli umani e usano il feedback per premiare autenticità e plausibilità. La politica risulta quindi non solo accurata nella posizione, ma anche naturale nel tempismo. Un robot che prevede male il futuro può comunque muoversi fluidamente commettendo un errore che appare credibile: tali sistemi necessitano di controlli di sicurezza e supervisione umana, poiché un errore nello spazio fisico può diventare un movimento pericoloso.

Testare i futuri possibili prima del movimento

Prima di afferrare un oggetto, il braccio robotizzato può simulare cosa accadrebbe se si spostasse a sinistra. Un modello appreso dell’ambiente circostante prevede l’aspetto della scena dopo ogni mossa di prova. Non è uno schema fisso, ma una stima addestrata sulla reazione del mondo all’azione. Il punto di partenza sono la vista attuale della telecamera, la postura del corpo e le altre letture dei sensori. Successivamente, il sistema testa diversi percorsi candidati prima che un comando motorio lasci il controllore.

Per un percorso proposto, può immaginare esiti leggermente differenti. Questa variabilità è cruciale perché gli ambienti reali sono rumorosi: una tazza può spostarsi, una superficie scivolare o un oggetto deformarsi in modi imprevisti dal modello. Campionare molte simulazioni impedisce al piano di affidarsi a un singolo colpo di fortuna. Il pianificatore assegna un punteggio a ogni futuro immaginato sulla base degli obiettivi del compito e dei limiti di sicurezza. Alcuni costi premiano il progresso verso l’obiettivo, altre penalità bloccano i percorsi che comporterebbero collisioni con persone o oggetti fragili.

Viene selezionata la sequenza con il punteggio migliore, ma ne viene eseguito solo il primo passo. Appena arrivano nuovi dati dai sensori, l’intero test ricomincia. Questo ciclo ripetuto consente al robot di correggere piccoli errori prima che diventino grandi sbagli. Mantenere il sistema all’interno di una regione sicura definita dipende da controlli di sicurezza separati in tempo reale, come i metodi Control Barrier Function che agiscono come ringhiere matematiche. Combinare questi controlli con le previsioni incerte dei modelli fondazionali stocastici rimane un problema aperto. Il vantaggio in termini di sicurezza dipende dal fatto che il modello venga verificato rispetto a limiti reali e regole operative.

Alcune versioni costruiscono i futuri passo dopo passo, altre affinano una stima rumorosa finché non diventa coerente. Il primo stile è più facile da guidare in tempo reale. Il secondo può mantenere separati diversi futuri plausibili invece di mescolarli in una media debole. Questa distinzione conta quando esistono molti modi validi per lo stesso compito. Un robot potrebbe dover scegliere tra sollevarsi sopra un ostacolo o aggirarlo. Testare entrambi gli esiti immaginati aiuta a evitare un’azione compromissoria che fallirebbe nel mondo fisico.

Questo approccio trasforma la pianificazione da una singola previsione in una breve prova generale. Il braccio non si impegna finché le conseguenze non sono state confrontate. Nel software, molti futuri possono essere provati rapidamente e scartati senza toccare nulla di reale. È per questo che questi modelli sono utili per i compiti di manipolazione in cui un singolo movimento sbagliato può rompere un oggetto o bloccare una linea di produzione.

Dove l’idea è già realtà: in fabbrica e in ospedale

Le fabbriche sono il primo terreno in cui queste macchine devono dimostrare la loro utilità quotidiana. ABB ha già messo in servizio oltre 500.000 robot industriali nel mondo. Alcuni dei suoi bracci collaborativi si avvalgono di telecamere e sensori di forza per alleggerire la presa quando un componente oppone resistenza.

KUKA realizza bracci che regolano rigidità e compliance durante il lavoro, una caratteristica preziosa quando un pezzo arriva leggermente fuori posizione rispetto a quanto previsto dal programma. Presso RNB Cosméticos, sei bracci collaborativi dotati di sensori di coppia impilano confezioni cosmetiche finite su pallet: sollevano scatole da 7 kg al ritmo di circa 6 al minuto e gestiscono oltre 350 varianti di prodotto senza barriere di sicurezza attorno a loro.

In ospedale, dove il costo di un errore è più alto, si applicano logiche simili. Il sistema da Vinci di Intuitive Surgical è stato impiegato in oltre 14 milioni di procedure mininvasive. In una relazione che copre più di 10.000 interventi presso una singola istituzione, si sono registrati 12 decessi correlati alla chirurgia, pari a circa lo 0,12%.

La piattaforma Hugo di Medtronic è un sistema chirurgico robotico modulare che supporta la pianificazione delle procedure, l’imaging tridimensionale in tempo reale e la guida degli strumenti. Cyberdyne produce HAL, un esoscheletro che legge i segnali bioelettrici dell’utilizzatore per assistere il movimento. Ha completato oltre 10.000 sessioni di trattamento nel mondo.

In uno studio crossover su pazienti affetti da malattie neuromuscolari rare a progressione lenta, l’uso di un esoscheletro ha portato risultati concreti: dopo nove sessioni da 40 minuti, i pazienti camminavano circa il 10% più lontano nel test della camminata di due minuti rispetto al gruppo di controllo. Queste applicazioni dimostrano che la tecnologia svolge già lavoro reale, ma evidenziano anche perché i controlli di sicurezza siano fondamentali quando una macchina si muove in prossimità delle persone.

Una macchina che immagina prima di agire

L’intelligenza artificiale fisica apre nuove strade per la decisione in condizioni di incertezza. Il robot genera diversi scenari futuri, li confronta con ciò che percepisce e si impegna solo nel primo passo del piano. Questo ciclo offre flessibilità dove i programmi rigidi falliscono, che si tratti di smistare molte varianti di prodotto o di adattarsi a tessuti imprevedibili.

Le possibilità sono ampie perché questi sistemi imparano da dimostrazioni, video e interazione, senza bisogno di routine scritte per ogni singolo oggetto. In fabbrica, ciò potrebbe significare meno fermi linea quando arriva un nuovo componente. In sala operatoria, strumenti che aiutano i chirurghi a pianificare, guidare e adattarsi durante l’intervento. Nei magazzini, le implementazioni robotiche dimostrano già che l’IA fisica può scalare oltre il singolo prototipo brillante.

L’ostacolo è che un errore software può trasformarsi in un livido, una parte rotta o una procedura fallita. Questi sistemi faticano ancora con le conseguenze a lungo termine, gli oggetti in movimento e corpi nuovi i cui giunti non corrispondono a quelli su cui hanno imparato. Una politica addestrata per un braccio può fallire su un altro, mentre il fine-tuning per un nuovo compito può cancellare abilità acquisite. I controlli di sicurezza devono quindi affiancare il controller appreso, non trovarsi all’interno della sua immaginazione.

Il prossimo decennio riguarderà meno l’aumento dell’intelligenza dei robot in laboratorio e più la resa visibile, verificata e testabile della loro incertezza. Gemelli digitali ibridi, modelli del mondo appresi e un’integrazione più stretta tra percezione, pianificazione e controllo sono tutti tentativi di colmare quel divario. Le posta in gioco salgono perché il costo dell’errore è fisico, mentre i limiti energetici e i controlli di sicurezza aggiungono vincoli che un modello cloud non ha mai affrontato.

La prossima svolta verrà da una migliore immaginazione o dal sapere quando ignorarla?