Un robot umanoide impara sequenze complesse senza dati di addestramento unificati
Gli ingegneri della Seoul National University presentano il framework RISE per collegare camminata e manipolazione su un Unitree G1.
Tradotto automaticamente dall’originale inglese Leggi l’originale
Insegnare a una macchina bipede a camminare in una stanza e a manipolare oggetti richiede di solito sequenze dimostrative continue, difficili da registrare in modo affidabile. Un team di ricerca della Seoul National University ha sviluppato un'architettura visione-linguaggio-azione chiamata RISE, che collega dati raccolti separatamente sul camminare e sulla manipolazione per eseguire compiti sequenziali. Il sistema fa avanzare la robotica pratica riducendo l'onere di addestrare macchine fisiche.
Il collo di bottiglia dell'addestramento a due competenze
I modelli visione-linguaggio-azione guidati dall'intelligenza artificiale permettono alle macchine di interpretare comandi in linguaggio naturale insieme a scene visive per eseguire movimenti fisici nella robotica avanzata. Applicare questi sistemi a un robot umanoide presenta un problema meccanico di fondo, come riportato da TechXplore. La locomozione si basa sul coordinamento delle gambe e sull'equilibrio, mentre la manipolazione richiede un tracciamento preciso di braccia e mani. Quando gli ingegneri cercano di raccogliere dimostrazioni complete a più fasi che combinano entrambi i comportamenti, qualsiasi piccolo errore durante un movimento intermedio rovina l'intero dataset. Raccogliere esempi isolati di camminata o di presa è molto più semplice, ma dataset separati non riescono a insegnare a una macchina quando un comportamento deve fermarsi e quando deve iniziare il successivo.
Assegnare responsabilità ai singoli esperti
Per colmare questa lacuna senza dimostrazioni end-to-end del compito, un team guidato dal professor Songhwai Oh del College of Engineering della Seoul National University ha creato RISE, acronimo di Responsibility-Induced Specialized Experts. Descritto in una ricerca accettata alla conferenza IROS 2026, il framework abbina un sistema condiviso di percezione visiva e linguistica a un meta-controllore e a diversi sotto-moduli d'azione, secondo TechXplore. Durante la fase di apprendimento, il controllore misura l'accuratezza delle previsioni per ciascuna azione e assegna un punteggio operativo chiamato responsabilità. I sotto-moduli che ottengono punteggi più alti acquisiscono maggiore influenza su movimenti specifici, dividendo automaticamente il lavoro tra locomozione e manipolazione senza ruoli preprogrammati. Il sistema monitora poi gli spostamenti di questi pesi degli esperti durante l'esecuzione, usando i cambiamenti come trigger automatici per passare da una fase all'altra.
Testare l'esecuzione a più fasi su hardware fisico
I ricercatori hanno valutato l'architettura in ambienti simulati prima di implementarla su hardware fisico, usando un Unitree G1 dotato di due mani Dex3-1. Questa configurazione fisica ha dato alla macchina 43 gradi di libertà controllabili, come dettagliato da TechXplore. Nei test digitali su compiti da due a quattro fasi che coinvolgevano bottiglie, tazze e frutta, il nuovo metodo ha raggiunto un tasso di successo medio dell'87,3%. Ha superato il 73,6% registrato da una baseline basata sul modello di base GR00T di NVIDIA. Sul robot fisico Unitree, i compiti si estendevano fino a cinque fasi, tra cui recuperare un oggetto, spostarsi e raccogliere un secondo oggetto. In condizioni fisiche, il sistema ha registrato un tasso di successo del 50,0%, superando la baseline di 20 punti percentuali al crescere della complessità del compito, segnando un'innovazione promettente per il futuro dei sistemi autonomi.
Leggi anche su The Patent: Ricercatori di Pechino progettano scaffold ossei in 12 secondi con l'AI
