Hai perso di nuovo le chiavi? Questo robot IA ti aiuta a ritrovarle

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%.

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.