Addestrare all’apprendimento automatico i robot da campo di prossima generazione
Oltre all’interesse per la robotica industriale, che si sviluppa a ritmo sostenuto, cresce anche quello per i cosiddetti robot da campo, utili alle professioni che si basano su operazioni manuali ripetitive, pericolose o distanti. I robot minerari, ad esempio, possono creare una mappa dei passaggi allagati e analizzare le concentrazioni di minerali, mentre quelli agricoli sono in grado di raccogliere la frutta e mungere i bovini. Ma per un’adozione più ampia di queste soluzioni, i costi di produzione e di funzionamento dovranno essere ridotti e le capacità ampliate, soprattutto per quanto riguarda il rilevamento, la percezione e il controllo. «I robot industriali sono impiegati in ambienti più strutturati, come le fabbriche, e sono quindi più facili da progettare e usare. I robot da campo, invece, devono adattarsi a una maggiore imprevedibilità per svolgere i loro compiti», afferma Hugo Silva, coordinatore del progetto DEEPFIELD, finanziato dall’UE. «Le strategie di apprendimento profondo basate sui dati possono aiutare a raggiungere questo obiettivo, ma esistono ancora limiti all’applicazione di tali tecniche per le attività robotiche reali.» Grazie a DEEPFIELD i ricercatori nella fase iniziale della carriera del Centro per la robotica e i sistemi autonomi INESC TEC, che ospita il progetto, hanno indagato una serie di tecniche di apprendimento profondo per realizzare robot da campo autonomi e adattabili, in grado di raggiungere ottimi risultati in ambienti difficili. Tra i traguardi più rilevanti, i ricercatori hanno dimostrato come i metodi di apprendimento profondo possano aiutare a rilevare i rifiuti marini dallo spazio tramite sistemi di imaging iperspettrale, e hanno usato le tecnologie di immaginografia per consentire ai robot di determinare la propria posizione e il proprio orientamento sott’acqua.
Individuare l’algoritmo di apprendimento profondo ideale allo scopo
A sostegno dell’obiettivo dell’UE per il «futuro digitale dell’Europa», DEEPFIELD è stato ideato per fornire ai ricercatori nella fase iniziale della carriera un’esposizione pratica e diversificata alle tecniche di apprendimento profondo dei robot. Concentrandosi su un particolare problema robotico in cui questa tecnica potrebbe essere d’aiuto, i ricercatori hanno dapprima raccolto dati diretti o utilizzato un ambiente di simulazione, e successivamente, dopo l’analisi dei dati, hanno sperimentato varie soluzioni algoritmiche, valutando il risultato. «La gamma di approcci all’apprendimento profondo e di compiti da svolgere era abbastanza ampia da fornirci una solida base per molte soluzioni, per costruire robot di prossima generazione adattabili», spiega Silva. I ricercatori hanno lavorato con diversi tipi di robot: auto autonome terrestri, velivoli senza pilota, veicoli comandati a distanza sottomarini e veicoli sottomarini autonomi. L’équipe ha visitato le strutture dei membri del consorzio: l’Università di Girona (Spagna), l’Università Heriot Watt (Scozia), il Max Planck Institute (Germania) e il Politecnico di Milano (Italia), dove sono stati organizzati workshop tematici, scuole estive, brevi missioni scientifiche e programmi di mentoraggio. «Abbiamo studiato le basi e abbiamo lavorato con esperti del settore specifico presso le strutture partner, quindi abbiamo testato il software e gli algoritmi nelle scuole estive utilizzando robot reali», spiega Ana Paula Lima, responsabile del progetto. Presso l’Università di Girona, ad esempio, la ricerca è stata dedicata alla manipolazione subacquea, e i ricercatori hanno imparato a programmare il simulatore Stonefish, utilizzandolo per manovre di ispezione con un veicolo sottomarino autonomo/comandato a distanza.
In pole position per i robot da campo di nuova generazione
Grazie al progetto, inoltre, i ricercatori nella fase iniziale della carriera hanno avuto molte opportunità di intessere relazioni utili allo sviluppo professionale e di condividere le conoscenze di INESC TEC con importanti attori del settore. Questo contesto ha permesso all’équipe di presentare il proprio lavoro. In particolare, due robot di INESC TEC sono stati collaudati durante una visita alla stazione di ricerca NY-Alesund al Polo artico, nelle Svalbard, dimostrando le capacità del gruppo. «Il riscontro è stato così incoraggiante che poche settimane dopo INESC TEC ha presentato una proposta alla Commissione europea, che includeva i nuovi contatti stabiliti durante la visita», osserva Lima. La presenza di una squadra giovane, qualificata e motivata si è rivelata un vantaggio per INESC TEC, che desidera perseguire nuovi progetti in settori che spaziano dalla difesa alla sicurezza, dall’ambiente fino alle risorse energetiche offshore: in tutti questi campi i ricercatori sono ora pronti ad applicare le nuove conoscenze acquisite.
Parole chiave
DEEPFIELD, algoritmo, apprendimento automatico, robot, apprendimento profondo, autonomia, dati, sottomarino, rifiuti
