I ricercatori del MIT hanno sviluppato una tecnica che migliora la capacità dei robot di pensare al futuro mentre agiscono, consentendo movimenti più fluidi e reazioni più rapide.
Un nuovo metodo sviluppato dai ricercatori del MIT permette ai robot di pensare in modo più efficace durante l’azione, garantendo movimenti più fluidi e reazioni più rapide. Questa tecnica consente al modello di intelligenza artificiale che pianifica il movimento di un robot di prevederne la posizione futura e di usare la previsione per trasferire senza soluzione di continuità i movimenti attuali alle azioni successive. Il metodo non aggiunge alcun sovraccarico computazionale al processo di pianificazione e può essere applicata a vari hardware robotici.
Questo nuovo metodo ha raddoppiato la velocità dei robot che eseguono attività come i compiti di prelievo e posizionamento, riducendo significativamente il tempo di ritardo tra i movimenti. Ha inoltre migliorato le prestazioni dei bracci robotici in attività altamente dinamiche, come giocare a ping pong.
Il sistema potrebbe essere particolarmente utile per i robot che eseguono manovre veloci e agili in ambienti difficili del mondo reale, come la risposta alle emergenze o la ricerca e il salvataggio. Potrebbe anche consentire ai robot di reagire più rapidamente quando si riprendono dagli errori: “Questo lavoro costituisce una buona base per applicazioni di robotica efficienti, veloci, accelerate e a basso costo. Non vediamo l’ora di espandere il nostro lavoro negli ultimi modelli di azione mondiale, in modo che abbia capacità ancora più forti mentre continuiamo a spingere per rendere l’intelligenza artificiale fisica più veloce” afferma Song Han, professore associato e autore principale di un articolo su questo metodo.
Un sistema che prevede il futuro
Nelle applicazioni di robotica all’avanguardia, i sistemi di intelligenza artificiale generativa chiamati agiscono come il cervello di un robot, pianificando le sue mosse successive ed eseguendo tali azioni. Un modello di visione-linguaggio-azione (VLA) prende le osservazioni ambientali dalla telecamera del robot e le istruzioni sul suo compito, emette i movimenti successivi come un unico blocco di azioni, quindi esegue tali azioni sull’hardware robotico.
Il nuovo sistema del MIT, chiamato VLASH, consente a un VLA di prevedere lo stato futuro del robot e del suo ambiente e di usare queste informazioni per pianificare la successiva serie di movimenti mentre il robot completa l’azione corrente: “Poiché l’ambiente cambierà dopo che il robot si muove, se pianifichiamo sulla base di osservazioni obsolete dell’ambiente attuale, si verificherà un disallineamento che causerà un controllo molto instabile” spiega Jiaming Tang, un altro autore dello studio.
VLASH evita questo disallineamento grazie a un’intuizione chiave dei ricercatori. Anche se il modello non sa esattamente come sarà l’ambiente in futuro, conosce la posizione attuale del robot e come si muoverà per eseguire le azioni che sta per compiere. Il framework del MIT utilizza queste informazioni per prevedere lo stato del robot dopo aver completato la serie di azioni correnti e impiega tale stima per pianificare i movimenti successivi.
Addestramento dei robot più rapido
Il team del MIT ha sviluppato anche un metodo di potenziamento dell’addestramento che raggruppa i dati di addestramento in modo tale che il VLA impari a utilizzare fInformazioni sullo stato futuro anziché osservazioni attuali. Riutilizzando parte dei dati di addestramento, questo metodo di fine-tuning ha quintuplicato la velocità di addestramento senza alcun sovraccarico computazionale aggiuntivo.
Rispetto ai metodi di riferimento in simulazione, VLASH ha costantemente ottenuto prestazioni più veloci mantenendo la precisione delle manovre robotiche. Il sistema del MIT ha inoltre superato questi metodi su hardware reale in compiti di prelievo e posizionamento, impilamento e smistamento. Per esempio, VLASH ha posizionato cubi in una scatola e li ha ordinati per colore due volte più velocemente rispetto a questi metodi, raggiungendo la stessa precisione del 90% del miglior metodo di riferimento. Il sistema è anche in grado di eseguire compiti altamente dinamici come giocare a ping-pong e a “colpisci la talpa”.
In futuro, i ricercatori intendono combinare VLASH con sistemi di intelligenza artificiale generativa più potenti, chiamati modelli del mondo, in grado di prevedere le osservazioni ambientali del robot, al fine di migliorarne le prestazioni e aprire la strada a nuove applicazioni.
Questo lavoro è supportato, in parte, dal MIT-IBM Computing Research Lab, da Amazon, dalla National Science Foundation e da Nvidia.
Foto: Courtesy dei ricercatori
