Questo articolo è stato pubblicato da questo sito
Atlas, il robot umanoide di Boston Dynamics famoso per le esibizioni di parkour e i suoi balletti, ha da poco sviluppato una nuova capacità meno evidente ma anche molto più significativa: ha imparato a camminare e ad afferrare gli oggetti utilizzando un unico modello di intelligenza artificiale.
Non solo: grazie al sistema AI il robot sta acquisendo anche altre notevoli abilità, come quella di recuperare istintivamente gli oggetti che fa cadere senza essere stato addestrato a farlo.
Il nuovo “modello unico” di Boston Dynamics
Insieme al Toyota research institute (Tri), Boston Dynamics ha sviluppato un modello AI generalista che impara a controllare sia le braccia che le gambe dell’umanoide attraverso una serie di azioni esemplificative. Si tratta di un approccio che si discosta dalla norma: generalmente, i robot dotati di capacità di apprendimento si affidano a un modello per camminare e saltare e a un altro per afferrare gli oggetti.
“In un certo senso, per il modello i piedi sono come mani aggiuntive – spiega Russ Tedrake, esperto di robotica del Toyota research institute e del Massachusetts institute of technology, che ha guidato il lavoro –. E funziona, il che è semplicemente fantastico“.
Il modello utilizzato per controllare Atlas riceve immagini provenienti dai sensori visivi del robot, dati di propriocezione prodotti dai sensori corporei (che permettono alla macchina di capire la propria posizione e i movimenti che compie) e suggerimenti linguistici relativi a diverse azioni. Al sistema AI vengono poi mostrati esempi in cui Atlas esegue una serie di attività utilizzando un mix di controllo a distanza, simulazione e video dimostrativi.
Il risultato è un modello di comportamento di grandi dimensioni (Lbm) in grado di controllare Atlas in modo più naturale. Quando si abbassa per raccogliere degli oggetti da un cestino, per esempio, il robot cambia la posizione delle gambe per ritrovare l’equilibrio, come farebbe un essere umano. Ma il sistema ha mostrato anche nuovi comportamenti, come la capacità di piegarsi per raccogliere un oggetto caduto.
Le novità sono molto più interessanti di quanto potrebbe sembrare. Proprio come succede ai grandi modelli linguistici (Llm) alimentati da enormi quantità di dati testuali che a volte mostrano abilità inaspettate, gli esperti di robotica sperano che una strategia simile abbia lo stesso effetto anche sui robot
