Skip to main content

Article Category

Article available in the folowing languages:

Ispirarsi al mondo animale per gettare le basi per robot più resilienti e adattabili

Non credete ai personaggi robotici meravigliosamente solidi che vedete nei film di fantascienza: i robot di oggi possono essere, e di solito lo sono, ben lungi dall’essere altrettanto resistenti. Un progetto finanziato dal Consiglio europeo della ricerca ha sviluppato nuovi algoritmi per consentire ai robot di riprendersi autonomamente da danni imprevisti nel giro di pochi minuti.

Economia digitale
Tecnologie industriali

Anche dopo 50 anni di ricerca robotica, la maggior parte dei robot esistenti sono ben lungi dall’essere resistenti quanto i più piccoli e semplici animali; in breve, possono facilmente smettere di funzionare se incontrano condizioni difficili o fanno un capitombolo inaspettato. Affinché i robot si inseriscano maggiormente nelle società umane e siano utili in situazioni di emergenza, devono superare la loro intrinseca fragilità. È qui che entra in gioco il progetto ResiBots (Robots with animal-like resilience). «L’obiettivo del nostro progetto era quello di sviluppare nuovi algoritmi che permettessero ai robot di riprendersi in modo autonomo e rapido senza dover anticipare ogni possibile condizione di danno», ha dichiarato Jean-Baptiste Mouret, ricercatore principale del progetto. «Questo è particolarmente importante quando si tratta di danni meccanici molto impegnativi da diagnosticare con i sensori di bordo: la nostra visione è quella di sviluppare robot che abbiano la capacità di “improvvisare” quando devono completare una missione difficile».

Adottare un nuovo modo di pensare per robot più resistenti

Questa visione è in diretto contrasto con l’attuale approccio alla tolleranza ai guasti, ereditata dai sistemi critici per la sicurezza (come per le navicelle spaziali o le centrali nucleari). Ciò è inappropriato per i robot autonomi a basso costo perché si basa su procedure di diagnosi, che richiedono costosi sensori propriocettivi e piani di emergenza e questi non possono coprire tutte le possibili situazioni che un robot autonomo che opera da solo può incontrare. Tuttavia, gli algoritmi sviluppati da Mouret e dal suo team aggirano questo vecchio stile di pensiero, in quanto sono specificamente progettati per l’adattamento efficiente dei dati (ovvero con pochissimi dati) nella robotica. «Per esempio, i nostri algoritmi permettono a un robot a sei gambe di trovare una nuova andatura in meno di 2 minuti», spiega Mouret. «Nel complesso, l’idea generale è quella di sfruttare una simulazione del robot “intatto” per accelerare l’adattamento per un robot con danni sconosciuti».

Dalla diagnosi agli algoritmi di rinforzo

È importante per il progetto che questo primo risultato utilizzi «l’apprendimento episodico», il che significa che ogni prova inizia esattamente nella stessa posizione. Un algoritmo più recente permette al robot di apprendere in modo indipendente senza alcun reset, tenendo conto del suo ambiente. «Per esempio, non c’è motivo che il robot provi un’andatura che lo faccia avanzare se sappiamo che c’è un ostacolo in mezzo», afferma Mouret. Egli sostiene che le macchine, e in particolare i robot, finora sono stati essenzialmente “ciechi”: infatti, compiti facili per gli animali (come il riconoscimento di un oggetto) si sono rivelati troppo difficili per gli algoritmi di visione dei robot. Tuttavia, grazie ai recenti progressi nell’apprendimento profondo, le macchine sono ora in grado di comprendere molto meglio l’ambiente circostante, aprendo le porte a molte possibili applicazioni, comprese quelle che vanno oltre il reparto produzione. «Tuttavia, se vogliamo robot che possano davvero imparare nuove competenze e/o mansioni, dovremo utilizzare algoritmi di rinforzo e non solo algoritmi di percezione», avverte Mouret. «Perché ciò avvenga, dobbiamo renderli più efficienti dal punto di vista dei dati prima che possano essere impiegati al di fuori dei laboratori di ricerca». Non prevede il dispiegamento di robot che possano imparare a svolgere nuovi compiti da soli entro i prossimi 5 anni, ma è ottimista sul fatto che ciò possa avvenire entro i prossimi 5-15 anni.

Uno sguardo al futuro

ResiBots è stato davvero un pioniere nell’illuminare il percorso per raggiungere questo obiettivo e Mouret e il suo team hanno intenzione di continuare la loro ricerca anche dopo la fine ufficiale del progetto nell’aprile 2020. «Vogliamo introdurre l’apprendimento per tentativi ed errori nella robotica umanoide; i robot umanoidi sono la “prossima frontiera” della robotica perché combinano tutte le sfide della robotica allo stesso tempo», afferma Mouret. Queste sfide includono la necessità di sincronizzare molti raccordi (tipicamente 24) e devono reagire rapidamente e mantenere il loro equilibrio. Mentre nessun robot umanoide attuale sta attualmente utilizzando l’apprendimento per tentativi ed errori per adattarsi ai cambiamenti del suo ambiente, Mouret e il suo team vogliono essere in prima linea per cambiare questa situazione. E quando gli viene chiesto cosa lo rende più fiero del progetto ResiBots, cosa risponde? «Abbiamo abitualmente robot che imparano a camminare davanti ai nostri occhi, in pochi minuti, rispetto a ore o addirittura giorni prima», ha concluso Mouret. «Devo dire che questi erano davvero i tipi di robot che sognavo quando ero bambino!»

Parole chiave

ResiBot, robot, algoritmi, apprendimento episodico, efficienza dei dati

Scopri altri articoli nello stesso settore di applicazione