Immagine copertina generata con l’intelligenza artificiale
Un video umano di appena 29 secondi può essere sufficiente per permettere a un robot di acquisire una nuova abilità. È quanto dimostra HOST, un framework sviluppato da ricercatori della Beijing Institute of Technology, di X Square Robot e della Tsinghua University. Il sistema consente di apprendere un nuovo compito attraverso una singola dimostrazione, senza aggiornare i parametri del modello durante l’esecuzione. Rispetto a un modello sottoposto a 50 dimostrazioni per ogni attività, HOST raggiunge lo stesso obiettivo con 50 volte meno dimostrazioni e 507 volte più rapidamente.
Il robot osserva e impara senza essere riaddestrato
HOST, acronimo di Human-to-robot One-Shot Skill AcquisiTion, affronta uno dei problemi più complessi dell’apprendimento robotico: insegnare rapidamente una capacità che la macchina non possiede ancora senza compromettere quelle già acquisite.
I metodi tradizionali richiedono infatti un nuovo ciclo di addestramento. Vengono raccolte numerose dimostrazioni attraverso il robot e successivamente il modello viene sottoposto a un processo di affinamento. È una procedura lenta e costosa, che può inoltre provocare il deterioramento delle competenze precedentemente apprese, il cosiddetto catastrophic forgetting.
HOST cambia il momento in cui avviene l’acquisizione della nuova abilità. Dopo essere stato addestrato, il sistema non deve più modificare i propri parametri: osserva il video e utilizza le informazioni contenute nella dimostrazione durante l’inferenza.
Tre passaggi per trasformare il video in azioni
Il funzionamento del framework si basa su una sequenza di passaggi. Per prima cosa, il robot determina a quale punto della procedura mostrata nel video corrisponde il proprio stato attuale. Deve quindi capire quanto è avanzato nel compito e individuare la parte pertinente della dimostrazione umana.
Il sistema guarda poi alla fase successiva del video e prevede quali osservazioni il robot dovrebbe effettuare mentre procede nell’attività. Questo passaggio permette di superare le differenze tra il corpo dell’essere umano che esegue la dimostrazione e quello della macchina.
Infine, HOST utilizza queste osservazioni future per derivare le azioni che il robot deve compiere. Il sistema non si limita quindi a copiare meccanicamente i movimenti umani, ma adatta la procedura dimostrata alla propria struttura fisica.
50 compiti mai visti e un tasso di successo del 62%
La sperimentazione ha coinvolto una piattaforma robotica bimanuale equipaggiata con due bracci ARX R5, pinze e tre telecamere RGB. HOST è stato valutato su 50 compiti di manipolazione nuovi, assenti dai dati utilizzati per l’addestramento, e per ciascuno ha acquisito una capacità eseguibile partendo da una singola dimostrazione video.
Il risultato medio è stato un 62% di successo. Secondo i ricercatori, il sistema supera del 43% il più forte metodo di imitazione visiva one-shot considerato nel confronto e del 45% il principale approccio zero-shot. Il dato diventa ancora più significativo osservando il tempo necessario per acquisire la nuova abilità: appena 29 secondi in media, contro le ore richieste dai sistemi che necessitano di raccolta dati e fine-tuning.
La nuova abilità non cancella quelle precedenti
Uno degli elementi centrali di HOST è proprio la capacità di mantenere le competenze già acquisite. Nei sistemi che richiedono un nuovo aggiornamento dei parametri, l’apprendimento di un compito può infatti compromettere le prestazioni su attività precedentemente apprese.
HOST evita questo passaggio perché non modifica i parametri quando acquisisce una nuova abilità. La dimostrazione video può inoltre essere salvata e recuperata successivamente, permettendo al robot di riutilizzare la competenza quando lo stesso compito si ripresenta, senza una nuova dimostrazione umana.
Una tecnologia ancora da verificare su altri robot
I risultati mostrano però anche che la tecnologia è ancora in una fase di ricerca. La sperimentazione è stata effettuata su una specifica piattaforma robotica bimanuale e sarà quindi necessario capire come il framework possa comportarsi su robot differenti e in scenari più ampi.
Resta inoltre una difficoltà legata alla natura stessa dei video: le immagini mostrano ciò che accade, ma non registrano direttamente le forze di contatto coinvolte nelle manipolazioni più delicate. Gli stessi ricercatori indicano quindi l’integrazione di informazioni tattili, anche attraverso guanti dedicati, tra le possibili direzioni per sviluppare ulteriormente il sistema.
Il risultato ottenuto con HOST indica intanto una strada diversa per l’apprendimento robotico: anziché sottoporre ogni nuova abilità a un ulteriore ciclo di addestramento, una singola dimostrazione può diventare il punto di partenza per un’esecuzione immediata, preservando al tempo stesso ciò che la macchina aveva già imparato.
Fonte: Italian Tech
