Passare da uno smartphone all'altro è per lo più una procedura fluida. Accedi ai tuoi account e le tue app, preferenze e contatti si sincronizzano con il nuovo hardware. Ma nel mondo della robotica, sostituire un vecchio braccio robotico con un modello più recente ha significato impostare tutto da capo - fino ad ora.
Per risolvere il problema, un team di ricercatori del Politecnico Federale di Losanna (EPFL) ha sviluppato quella che chiamano Intelligenza Cinematica, un framework che rende il cambio di robot più simile al cambio di smartphone. Descrivono il loro sistema in un recente articolo su Science Robotics.
Per anni, i robotici hanno lavorato per far imparare ai robot tramite dimostrazione - insegnando loro nuove abilità mostrando cosa fare, invece di scrivere righe di codice. L'idea è di controllare a distanza o guidare fisicamente il braccio del robot per insegnargli un compito come pulire un tavolo, impilare scatole o saldare un componente di un'auto. Il problema è che la maggior parte di queste abilità insegnate finiscono per essere legate al robot specifico con cui è stato fatto l'addestramento.
Ma la robotica avanza rapidamente. "I robot hanno design diversi, e oggi vengono proposti nuovi design - questo porta con sé una serie di sfide", ha detto Sthithpragya Gupta, robotico all'EPFL e autore principale dello studio. Se un nuovo robot ha link leggermente più lunghi, un diverso orientamento delle giunture o una configurazione più complessa, quel comportamento appreso si rompe istantaneamente e il nuovo robot probabilmente sbanderà, si bloccherà o si schianterà se tenta di eseguirlo.
"Con nuovi design arrivano diverse capacità e vincoli", ha detto Durgesh Haribhau Salunkhe, robotico all'EPFL e coautore dello studio. "Il problema è adattarsi a questi vincoli e capacità - per replicare fedelmente le azioni dimostrate da un umano". Oggi, fare il salto da un corpo robotico a un altro di solito significa ricominciare da capo e riaddestrare l'intero sistema.
Quando un robot si muove nello spazio per completare un compito, deve costantemente calcolare come piegare le sue giunture per mantenere il suo end-effector (un equivalente robotico di una mano) sul percorso giusto. Il robot deve evitare di colpire un limite fisico, o peggio, una singolarità, che in robotica è una zona di pericolo matematica: una configurazione fisica in cui le giunture del robot si allineano in modo tale da perdere temporaneamente un grado di libertà. "In tali posizioni, il movimento del robot può diventare instabile o [si] può perdere il controllo del robot", ha detto Gupta.
In termini umani, funziona più o meno come bloccare i gomiti quando si spinge qualcosa di pesante, rendendo le braccia incapaci di eseguire movimenti laterali per un momento.
Trasferire abilità da un robot all'altro è difficile perché robot strutturati diversamente di solito hanno una diversa topologia di singolarità. Quando l'algoritmo di un robot segue ciecamente un percorso e colpisce una singolarità, la matematica che controlla le sue giunture fallisce. Il robot potrebbe cercare di far ruotare una giuntura a velocità infinita, per esempio, risultando in un movimento improvviso e pericoloso. Il team di Gupta ha risolto questo problema dando ai robot una profonda consapevolezza matematica innata dei propri limiti fisici. Questa Intelligenza Cinematica, come la chiamano, permette a un utente di dimostrare un'abilità una sola volta, e farla eseguire in sicurezza da un robot di tipo completamente diverso.
E (sorprendentemente, oggigiorno) l'Intelligenza Cinematica è stata costruita in modo privo di AI.
Tradizionalmente, gli ingegneri hanno affrontato le singolarità con correzioni software. Hanno costruito modelli inversi, complesse formule matematiche che lavorano all'indietro dalla posizione target dell'end-effector del robot per mappare tutte le posizioni delle giunture necessarie per arrivarci. Poi, hanno semplicemente applicato filtri di sicurezza o correzioni per impedire al robot di mettersi nei guai.
Alcuni dei più recenti approcci AI basati sui dati richiedono meno sforzo e competenza, ma richiedono l'accesso a ogni robot su cui il software di controllo verrà utilizzato durante la fase di addestramento. "Inoltre, c'è questa natura probabilistica o a scatola nera dell'AI in cui può fare qualcosa di..."