Gli scienziati si stanno sempre più rendendo conto che utilizzare gli algoritmi di apprendimento automatico anche per quanto riguarda la robotica può rivelarsi estremamente utile. In sostanza per far sì che i robot eseguano determinate azioni è possibile fargli osservare come le eseguono gli esseri umani. È questa la strada intrapresa da un team di ricercatori del Robotics Institute (RI) presso la School of Computer Science della Carnegie Mellon University che però hanno introdotto alcune modifiche.
In-the-Wild Human Imitating Robot Learning
I ricercatori hanno creato, come spiega Technology Networks, un nuovo metodo di apprendimento indirizzato ai robot denominato WHIRL, acronimo di In-the-Wild Human Imitating Robot Learning. È sostanzialmente un algoritmo in base ai quali un robot può imparare direttamente dai video in cui esseri umani eseguono le azioni. Le informazioni raccolte tramite i video possono essere poi “generalizzate” per nuove attività.
I test con il robot “domestico”
I ricercatori hanno provato il nuovo algoritmo facendo imparare ad alcuni robot delle faccende domestiche. Il robot usato nel corso dei test svolgeva più di 20 attività diverse, di quelle che si possono svolgere quotidianamente in casa, ossia aprire e chiudere porte i cassetti, mette il coperchio su una pentola, spingere una sedia e tirare fuori il sacco della spazzatura dal bidoncino. Questi risultati interessanti sono stati descritti nel corso di una conferenza, denominata Robotics: Science and Systems, tenutasi a New York.
Imparare le azioni direttamente dai video
Shikhar Bahl, uno dei ricercatori impegnati in questo progetto, spiega che questa nuova tecnologia potrebbe un giorno permettere a quei robot che si utilizzeranno in ambito domestico di imparare le azioni direttamente dai video, una cosa che faciliterebbe di non poco fase di addestramento che può essere spesso lunga e difficoltosa.
Tecniche di apprendimento per i robot
Attualmente si usano principalmente due tecniche per far sì che un robot esegua determinate azioni: l’apprendimento per imitazione (gli umani interagiscono con il robot eseguendo l’azione affinché la impari) e l’apprendimento per rinforzo (il robot acquisisce milioni di dati relativi a varie simulazioni in modo che adatti i dati che ha acquisito alle azioni nel mondo reale). Il metodo WHIRL permette invece ai robot di imparare dai video, un metodo molto scalabile, che non è più limitato ad attività specifiche e che facilita l’utilizzo degli stessi robot negli ambienti domestici.
