Dimentichi le chiavi? Questo robot decide dove guardare prima di te
- Un robot sviluppato alla Technical University of Munich usa l’AI per capire dove è più probabile trovare un oggetto invece di cercare casualmente
- Il sistema assegna un livello di affidabilità agli oggetti mappati e controlla prima le zone più plausibili
- Nei test ha individuato il 95% dei cambiamenti negli ambienti reali e in alcuni casi ha raddoppiato il tasso di successo
- Il robot comprende richieste in linguaggio naturale come “trova i miei occhiali” e usa indizi contestuali
- La tecnologia non è ancora pronta per le case ma dimostra che la ricerca intelligente degli oggetti è ora possibile
Un robot che trova gli oggetti smarriti senza rovistare ovunque sembra una promessa futuristica, ma un nuovo sistema sviluppato alla Technical University of Munich punta proprio a questo. L’idea è semplice solo in apparenza: invece di cercare a caso, il robot usa ragionamento contestuale per capire dove è più probabile trovare ciò che manca.
Se gli viene chiesto di trovare degli occhiali, non esplora tutta la stanza. Valuta invece oggetti come comodini, libri o poltrone da lettura e si dirige prima verso le posizioni più plausibili. Questo comportamento, naturale per una persona, è stato finora uno degli ostacoli più difficili per la robotica domestica.
Un robot che usa linguaggio naturale e logica contestuale
Il sistema integra un modello linguistico avanzato capace di interpretare richieste in linguaggio naturale come “dove è il mio libro” o “trova il piatto”. L’intelligenza artificiale assegna punteggi di probabilità agli oggetti presenti nella mappa dell’ambiente e guida il robot verso le aree più promettenti.
Questo approccio è definito open-vocabulary navigation. Non esiste una lista predefinita di oggetti da cercare. Qualsiasi elemento descritto a parole può diventare un obiettivo, e il robot deduce autonomamente dove potrebbe trovarsi. I sistemi precedenti, invece, funzionavano solo con oggetti già presenti nei dati di addestramento.
Mappe dinamiche e oggetti che possono cambiare posto
Le case reali cambiano continuamente e le mappe statiche diventano rapidamente obsolete. Per questo il robot assegna a ogni elemento un punteggio di affidabilità che indica quanto è probabile che sia ancora nella stessa posizione.
Gli oggetti stabili, come i tavoli, mantengono valori elevati. Elementi più mobili, come le sedie, perdono affidabilità nel tempo. Quando il sistema rileva che un’area potrebbe essere cambiata, il robot torna a controllarla prima di continuare la ricerca. In questo modo evita di affidarsi a informazioni superate.
I risultati dei test e i limiti attuali
Il sistema è stato testato su una piattaforma robotica Stretch 3 con telecamera e visione tridimensionale in ambienti reali, tra uffici e cucina. Durante le prove ha rilevato il 95% dei cambiamenti nella mappa e ridotto il tempo di navigazione di oltre il 29% rispetto alla ricerca casuale. Nel confronto con il sistema concorrente DynaMem, il nuovo approccio ha ottenuto risultati superiori. Sugli oggetti spostati ha raggiunto il 50% di successo contro il 25%. Su quelli mai visti prima ha registrato il 45% contro il 20%.
Leggi anche: Se perdi sempre le chiavi, forse sei un genio (e non solo sbadato)
In test reali entrambi hanno trovato sempre l’oggetto, ma il nuovo sistema è stato circa il 14% più veloce. Nonostante i progressi, restano alcuni limiti. Il robot funziona solo su superfici piane, richiede un computer esterno con GPU e non è ancora adatto ad ambienti molto dinamici con persone e animali. Tuttavia, la capacità di ragionare su dove cercare segna un passo concreto verso robot domestici realmente utili.
La redazione di commentimemorabili.it si impegna contro la divulgazione di fake news. La veridicità delle informazioni riportate su commentimemorabili.it viene preventivamente verificata tramite la consultazione di altre fonti.
Questo articolo è stato verificato con:
- https://studyfinds.com/lost-your-keys-this-ai-robot-knows-where-to-look/
- https://ieeexplore.ieee.org/document/11359697
- https://utiasdsl.github.io/semi-static-semantic-exploration/
developed by Digitrend