Immagine copertina generata con l’intelligenza artificiale
Un robot può imparare un nuovo compito manuale osservando un solo video di 29 secondi. È il risultato ottenuto da un gruppo di ricercatori cinesi attraverso HOST, acronimo di Human-to-robot One-Shot Skill AcquisiTion. Il sistema permette alla macchina di acquisire una nuova abilità senza modificare i parametri del modello di intelligenza artificiale, rendendo il processo 507 volte più rapido rispetto a un approccio basato su numerose dimostrazioni e successive fasi di addestramento.
Una dimostrazione rapida per insegnare un nuovo compito
Il principio alla base di HOST è quello dell’imitazione da una singola dimostrazione video. Un essere umano esegue un’azione e il robot osserva la sequenza attraverso le telecamere, cercando di comprendere quale movimento dovrà riprodurre.
La sperimentazione è stata condotta su una piattaforma bimanuale dotata di due bracci ARX R5, ciascuno equipaggiato con una pinza e osservato da tre telecamere RGB. Il punto centrale del sistema è che il modello non viene riaddestrato: l’apprendimento avviene direttamente durante la fase di inferenza.
Questo permette di evitare il tradizionale ciclo basato sulla raccolta di numerose dimostrazioni e sull’aggiornamento dei parametri dell’intelligenza artificiale.
Come funziona realmente HOST
Il metodo sviluppato dai ricercatori della Beijing Institute of Technology, di X Square Robot e della Tsinghua University segue tre passaggi principali. Prima individua a quale punto della procedura mostrata nel video si trova il robot. Successivamente traduce la fase successiva della dimostrazione in una previsione delle osservazioni che il robot dovrebbe effettuare. Infine ricava da queste informazioni le azioni concrete da eseguire.
Uno degli aspetti più importanti riguarda l’allineamento tra video e movimento. La registrazione dell’essere umano e l’esecuzione del robot possono infatti procedere a velocità differenti. HOST risolve il problema stimando quanto è avanzato il compito, su una scala che va da 0 a 1, invece di associare semplicemente i fotogrammi in base al tempo trascorso.
507 volte più veloce rispetto all’addestramento tradizionale
I risultati dei test mostrano la portata del cambiamento. Su 50 compiti manuali mai incontrati durante l’addestramento, HOST ha raggiunto un tasso medio di successo del 62%, superando le tecniche basate su istruzioni testuali e i precedenti sistemi di imitazione video a singola dimostrazione.
Il dato più significativo riguarda però la velocità. Un modello tradizionale può richiedere 50 dimostrazioni per ciascun compito e fino a circa cinque ore tra raccolta dei dati e addestramento. HOST, invece, utilizza un solo video e acquisisce la nuova abilità in una media di 29 secondi: secondo gli autori, significa 50 volte meno dimostrazioni e un apprendimento 507 volte più rapido.
Il robot conserva anche le abilità già apprese
L’assenza di aggiornamenti dei parametri risolve anche un altro problema dell’addestramento dei modelli robotici: il catastrophic forgetting. Quando un sistema tradizionale viene modificato per imparare una nuova abilità, infatti, può perdere parte delle competenze precedentemente acquisite.
Nei test condotti dai ricercatori, i modelli tradizionali hanno perso fino all’80% delle capacità originarie, mentre HOST le ha mantenute sostanzialmente invariate. Le nuove dimostrazioni possono inoltre essere conservate, creando nel tempo un archivio di competenze che il robot può recuperare quando lo stesso compito torna a presentarsi.
Restano limiti e nuove sfide
Nonostante i risultati, HOST non è ancora una soluzione universale. La sperimentazione è stata condotta su un’unica piattaforma robotica bimanuale e resta quindi da verificare quanto il metodo possa funzionare su robot con caratteristiche fisiche molto diverse.
C’è poi un altro limite importante: un normale video non registra le forze di contatto necessarie per alcune manipolazioni particolarmente precise. Per questo i ricercatori indicano tra gli sviluppi futuri l’integrazione di informazioni tattili, anche attraverso guanti indossabili.
Il risultato rappresenta comunque un passo significativo verso robot capaci di apprendere nuove azioni con modalità più rapide e naturali: invece di essere sottoposti ogni volta a un nuovo addestramento, possono osservare, interpretare e riprodurre una dimostrazione umana.
Fonte: Italian Tech
