Con una tecnica di apprendimento automatico semplificata, i ricercatori dell’intelligenza artificiale hanno creato un cane robot del mondo reale in grado di saltare, arrampicarsi, gattonare e superare le barriere fisiche come mai prima d’ora
Un giorno, quando si verificheranno terremoti, incendi e inondazioni, i primi soccorritori potrebbero essere branchi di cani robotici da salvataggio che si precipitano ad aiutare le anime bloccate. Questi quadrupedi alimentati a batteria utilizzerebbero la visione artificiale per valutare gli ostacoli e impiegare abilità di agilità simili a quelle dei cani. Per raggiungere questo nobile obiettivo, i ricercatori della Stanford University e del Shanghai Qi Zhi Institute affermano di aver sviluppato un nuovo algoritmo basato sulla visione che aiuta i cani robot a scalare oggetti alti, a saltare attraverso gli spazi vuoti, a strisciare sotto le soglie e a infilarsi nelle fessure – per poi scappare verso il cielo. L'algoritmo rappresenta il cervello del robotdog.
«L'autonomia e la gamma di competenze complesse che il nostro robot quadrupede ha imparato è davvero impressionante», ha affermato la dottoressa Chelsea Finn (1), assistente professoressa di informatica e autrice senior di un nuovo articolo sottoposto a revisione paritaria che annuncia l'approccio dei team al mondo. «E lo abbiamo creato utilizzando robot standardizzati a basso costo – in realtà, due diversi robot standardizzati».
Il progresso chiave, dicono gli autori, è che il loro cane robot è autonomo, cioè è in grado di valutare le sfide fisiche e immaginare, quindi eseguire, un’ampia gamma di abilità di agilità basate semplicemente sugli ostacoli che vede davanti a sé.
«Quello che stiamo facendo è combinare percezione e controllo, utilizzando le immagini di una telecamera di profondità montata sul robot e l'apprendimento automatico per elaborare tutti questi input e muovere le gambe per superare, sotto e aggirare gli ostacoli», ha affermato Zipeng Fu (2), dottorando nel Finn’s lab (3) e primo autore dello studio, insieme a Ziwen Zhuang dello Shanghai Qi Zhi Institute.
Semplificare per ottimizzare
Il loro non è il primo cane robot a dimostrare tale agilità – una classe di atletica conosciuta come “parkour” – ma è il primo a combinare l’autosufficienza con una vasta gamma di abilità.
«I nostri robot hanno sia visione che autonomia: l’intelligenza atletica necessaria per affrontare una sfida e per autoselezionare ed eseguire abilità di parkour in base alle esigenze del momento», ha affermato il dottor Fu.
I metodi di apprendimento esistenti sono spesso basati su complessi sistemi di ricompensa che devono essere adattati a specifici ostacoli fisici. Di conseguenza, non si adattano bene ad ambienti nuovi o non familiari. Altri approcci correlati imparano utilizzando i dati del mondo reale per imitare le capacità di agilità di altri animali. Questi cani robot mancano di un'ampia gamma di abilità e non hanno le capacità visive dei nuovi cani robot. Entrambi i metodi esistenti sono anche “laggy” dal punto di vista computazionale – in altre parole, lenti.
Questa è la prima applicazione open source a raggiungere questi obiettivi con un semplice sistema di ricompensa che non utilizza dati di riferimento del mondo reale, scrivono gli autori nello studio.
Per riuscirci, hanno prima sintetizzato e perfezionato l’algoritmo utilizzando un modello computerizzato, quindi lo hanno trasferito a due cani robot del mondo reale. Successivamente, in un processo chiamato apprendimento per rinforzo, i robot hanno tentato di andare avanti nel modo che ritenevano opportuno e sono stati ricompensati in base al loro rendimento. È così che l’algoritmo alla fine impara il modo migliore per affrontare una nuova sfida.
In pratica, la maggior parte dei sistemi di ricompensa dell’apprendimento per rinforzo esistenti coinvolgono troppe variabili per essere efficaci, rallentando le prestazioni computazionali. Questo è ciò che rende il processo di ricompensa semplificato per il parkour robodog eccezionale, seppur sorprendentemente semplice.
«In realtà è abbastanza semplice», ha detto Finn. «Ci siamo basati principalmente sulla distanza in cui si sta muovendo il robot e sulla quantità di sforzo che ha applicato per farlo. Alla fine, il robot apprende abilità motorie più complesse che gli consentono di andare avanti».
Test nel mondo reale
In numeri grezzi, i nuovi e migliorati cani robot erano in grado di scalare ostacoli più di una volta e mezza la loro altezza, saltare spazi maggiori di una volta e mezza la loro lunghezza, strisciare sotto le barriere per tre quarti della loro altezza, e si inclinano in modo da infilarsi in una fessura più sottile della loro larghezza.
Successivamente, il team spera di sfruttare i progressi nella visione e nella grafica 3D per aggiungere dati del mondo reale ai suoi ambienti simulati per portare un nuovo livello di autonomia nel mondo reale al loro algoritmo.
Altri autori provengono da Shanghai Tech, Carnegie Mellon University e Tsinghua University. Il progetto è stato sostenuto finanziariamente dallo Shanghai Qi Zhi Institute e da una sovvenzione dell'Office of Naval Research (ONR).
Riferimenti:
(1) Chelsea Finn
(2) Zipeng Fu
Descrizione foto: Una foto in timelapse che mostra come il robot simile a un cane che è in grado di superare autonomamente una serie di ostacoli. - Credit: Shanghai Qi Zhi Institute/Stanford University.
Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: New dog, old tricks: New AI approach yields ‘athletically intelligent’ robotic dog
