fbpx

C’è un robot che ha imparato a camminare da solo (video)

Redazione
cassie, robot

Si chiama Cassie e ha usato l’apprendimento per rinforzo: oggi il robot può camminare su terreni accidentati e trasportare carichi.


Per la prima volta, a un robot composto da due gambe chiamato Cassie è stato insegnato a camminare usando l’apprendimento per rinforzo, la tecnica di allenamento che insegna il comportamento complesso dell’intelligenza artificiale attraverso tentativi ed errori. È la prima volta che l’apprendimento per rinforzo viene utilizzato per insegnare a un robot a due gambe come camminare da zero, inclusa la capacità di camminare accovacciato e mentre trasporta un carico inaspettato, come riporta TechnologyReview.

Certo, le aspettative circa cosa i robot possono fare sono alte grazie ai video virali pubblicati da Boston Dynamics, che mostrano il robot umanoide Atlas in piedi su una gamba, che salta sopra le scatole e balla. Il controllo che Atlas ha sui suoi movimenti è impressionante, ma le sequenze coreografate probabilmente implicano molte regolazioni manuali. 

Questi video possono portare alcune persone a credere che questo sia un problema risolto e facile“, dice Zhongyu Li presso l’Università della California, Berkeley, che ha lavorato su Cassie con i suoi colleghi. “Ma abbiamo ancora molta strada da fare per far funzionare e vivere in modo affidabile i robot umanoidi in ambienti umani“. 

Cassie non sa ancora ballare, ma insegnare al robot a grandezza umana a camminare da solo lo avvicina di diversi passi alla capacità di gestire un’ampia gamma di terreni e riprendersi se inciampa o si danneggia.

L’apprendimento per rinforzo è stato utilizzato in passato per addestrare i robot a camminare all’interno di simulazioni, ma trasferire questa capacità nel mondo reale è difficile. “Molti dei video che vedete non sono per niente realistici”, dice Chelsea Finn, una ricercatrice di robotica e intelligenza artificiale presso la Stanford University, che non è stata coinvolta nel lavoro. Piccole differenze tra le leggi fisiche simulate all’interno di un ambiente virtuale e le leggi fisiche reali al di fuori di esso, come il modo in cui funziona l’attrito tra i piedi di un robot e il suolo, possono portare a grossi fallimenti quando un robot cerca di applicare ciò che ha appreso. Un robot pesante a due gambe può perdere l’equilibrio e cadere se i suoi movimenti sono anche irregolari.

Addestrare un robot di grandi dimensioni attraverso tentativi ed errori nel mondo reale sarebbe pericoloso. Per aggirare questi problemi, il team di Berkeley ha utilizzato due livelli di ambiente virtuale. Nel primo, una versione simulata di Cassie ha imparato a camminare attingendo a un ampio database esistente di movimenti del robot. Questa simulazione è stata quindi trasferita a un secondo ambiente virtuale chiamato SimMechanics che rispecchia la fisica del mondo reale con un alto grado di precisione, ma a un costo in termini di velocità di esecuzione. Solo una volta che Cassie sembrava camminare bene, il modello appreso è stato caricato nel robot vero e proprio.

La vera Cassie è stata in grado di camminare utilizzando il modello appreso nella simulazione senza alcuna ulteriore messa a punto. Potrebbe camminare su terreni accidentati e scivolosi, trasportare carichi imprevisti e riprendersi dopo essere stato spinto. Durante i test, Cassie ha anche danneggiato due motori nella gamba destra, ma è stata in grado di regolare i suoi movimenti per compensare. Finn pensa che questo sia un lavoro entusiasmante. 

Iscriviti alla newsletter

Non inviamo spam! Leggi la nostra Informativa sulla privacy per avere maggiori informazioni.