La rivoluzione dei robot domestici: scopri come PIGINet sta cambiando il modo in cui i robot entrano nelle nostre case

Perché non ci sono più robot nelle case? È una domanda sorprendentemente complessa - e le nostre case sono sorprendentemente complesse. Una grande parte del motivo per cui i sistemi autonomi prosperano prima nei magazzini e sulle linee di produzione è la relativa facilità di navigazione in un ambiente strutturato. Certo, la maggior parte dei sistemi richiede ancora che lo spazio venga mappato prima di iniziare il lavoro, ma una volta che questo è fatto, di solito non ci sono molte variazioni.
Le case, d'altra parte, sono un vero incubo. Non solo variano notevolmente l'una dall'altra, ma sono piene di ostacoli ostili e tendono ad essere piuttosto dinamiche, con mobili spostati o oggetti lasciati per terra. Gli aspirapolvere sono i robot più diffusi nelle case e, nonostante siano presenti sul mercato da decenni, sono ancora in fase di perfezionamento.
Questa settimana, i ricercatori del MIT CSAIL stanno presentando PIGINet (Plans, Images, Goal, and Initial facts), che è progettato per portare la pianificazione di attività e movimenti nei sistemi robotici domestici. La rete neurale è progettata per aiutare a semplificare la loro capacità di creare piani d'azione in diversi ambienti.
Il MIT spiega PIGINet in questo modo: "Utilizza un encoder a trasformatori, un modello versatile e all'avanguardia progettato per operare su sequenze di dati. La sequenza di input, in questo caso, è costituita da informazioni sul piano di attività considerato, immagini dell'ambiente e codifiche simboliche dello stato iniziale e dell'obiettivo desiderato. L'encoder combina i piani di attività, le immagini e il testo per generare una previsione sulla fattibilità del piano di attività selezionato."
Il sistema è principalmente focalizzato sulle attività in cucina al momento. Si basa su ambienti domestici simulati per creare piani che richiedono interazioni con vari elementi dell'ambiente, come i piani di lavoro, i mobili, il frigorifero, i lavelli, ecc. I ricercatori affermano che in scenari più semplici, PIGINet è riuscito a ridurre il tempo di pianificazione dell'80%. Per situazioni più complesse, questo numero era generalmente compreso tra il 20% e il 50%.
Il team suggerisce che le case sono solo l'inizio. "Le applicazioni pratiche di PIGINet non si limitano alle abitazioni", afferma lo studente di dottorato Zhutian Yang. "Il nostro obiettivo futuro è perfezionare ulteriormente PIGINet per suggerire piani di attività alternativi dopo aver identificato azioni irrealizzabili, il che accelererà ulteriormente la generazione di piani di attività realizzabili senza la necessità di grandi dataset per addestrare un pianificatore ad uso generale da zero. Crediamo che questo possa rivoluzionare il modo in cui i robot vengono addestrati durante lo sviluppo e poi applicati nelle case di tutti".