Questo robot umanoide è uno stagista d’ufficio spaventosamente competente
I robot umanoidi sono già in grado di correre, ballare e, occasionalmente, persino calciare. Tuttavia, per integrarsi pienamente nel tessuto lavorativo e diventare veramente “umani” nelle loro capacità, dovranno padroneggiare una miriade di compiti di routine e mansioni meno entusiasmanti. A questa sfida risponde Flexion Robotics, una startup svizzera fondata da ex ricercatori di robotica di Nvidia, che ritiene di aver trovato la soluzione.
L’azienda ha sviluppato un metodo innovativo per addestrare i robot a eseguire operazioni complesse che combinano abilità semplici, come aprire porte, salire le scale o trasportare scatole. La chiave del loro approccio consiste nell’insegnare ai robot queste abilità individuali in un ambiente di simulazione, per poi affidare a un algoritmo di intelligenza artificiale principale il compito di determinare come utilizzarle in sequenza.
Mentre la maggior parte delle dimostrazioni di robot attuali si concentra su compiti specifici, come piegare camicie o caricare scaffali, spesso eseguiti tramite teleoperazione – dove una persona controlla i movimenti del robot da remoto – questo metodo si rivela inaffidabile quando il robot viene inserito in contesti non familiari. Il sistema di Flexion si distingue per la sua efficienza, addestrando i robot in simulazione e con istruzioni umane limitate.
Un video dimostrativo dell’azienda mostra il software in azione: un robot umanoide Unitree modificato opera autonomamente dopo aver ricevuto un comando articolato: “Un pacco di snack è stato consegnato per Flexion. Recuperalo usando le scale e sali con l’ascensore. Poi disimballalo e posiziona gli articoli nel cassetto vuoto sullo scaffale nell’area snack.” Il robot esegue l’intera sequenza senza ulteriori input.
L’approccio di Flexion funziona combinando diversi sistemi di intelligenza artificiale. Il modello AI principale elabora video di esseri umani che svolgono varie attività, imparando da essi. Il software abbina quindi le abilità acquisite in simulazione ai movimenti visti nei video, per poi replicare tali compiti nel mondo reale. Ad esempio, per raggiungere la sala posta di un ufficio, il modello potrebbe aver appreso la necessità di aprire determinate porte e di utilizzare l’ascensore. Il sistema controlla anche i motori del robot, permettendogli di camminare, muovere gli arti e mantenere l’equilibrio.
Secondo Nikita Rudin, cofondatore e CEO di Flexion, nonché ex scienziato ricercatore di robotica presso Nvidia, l'”ingrediente segreto” del software è l’ampio utilizzo dell’apprendimento per rinforzo. Questa metodologia addestra i computer a padroneggiare i compiti attraverso tentativi ed errori. Ogni strato del software, dal modello IA principale alla simulazione fino al controllo motorio, impiega questo approccio iterativo per ottimizzare le prestazioni del robot.