In questo articolo Indice dei contenuti 2 sezioni
Il robot quadrupede che decide da solo quando correre e quando saltare non è più soltanto un esercizio da laboratorio, e il progetto ConsJump lo dimostra piuttosto bene. Sviluppato dai ricercatori dell’Università di Hong Kong insieme all’Oxford Robotics Institute, il sistema parte da un modello già esistente e lo spinge verso un terreno più scomodo, quello in cui non basta muovere le zampe con criterio ma serve anche capire cosa c’è davanti e reagire in una manciata di istanti.
Camminare su un fondo irregolare, per una macchina a quattro zampe, è ormai una faccenda quasi ordinaria. I sistemi di controllo moderni gestiscono pietre, pendenze, avvallamenti senza troppi drammi. Il problema arriva quando la sequenza si complica, quando bisogna accelerare, individuare un ostacolo, valutarne la distanza e scegliere il momento esatto in cui staccare da terra. Lì il margine di errore si assottiglia parecchio e un salto anticipato o ritardato di poco significa finire contro il bordo.
Come funziona il sistema a due livelli di ConsJump
La parte interessante di ConsJump sta nell’architettura, che spezza il problema in due piani distinti invece di affidare tutto a un unico blocco. Il primo livello contiene una specie di repertorio di movimenti già appresi, un catalogo di abilità di base che comprende camminare, correre, sterzare e saltare. Sono gesti consolidati, mattoncini pronti all’uso.
Il secondo livello, invece, fa il lavoro da regista. Osserva l’ambiente circostante, valuta la situazione e decide quale abilità richiamare in quel preciso momento, gestendo soprattutto il passaggio da una all’altra. È proprio la transizione il nodo delicato, perché un robot che corre e deve trasformare quella corsa in un salto ha bisogno di sincronizzare velocità, appoggio e spinta senza soluzione di continuità. Separare le competenze motorie dalla logica decisionale permette di ottimizzare entrambe le cose senza che una comprometta l’altra.
Questo approccio ricorda da vicino il modo in cui si muovono i cani, che non ragionano su ogni singola articolazione ma attingono a schemi motori già memorizzati e li innescano quando la situazione lo richiede. L’intelligenza artificiale applicata alla robotica delle zampe sta imboccando sempre più questa strada, con architetture stratificate che riducono il carico computazionale del momento critico.
I test sul campo con Unitree Aliengo
Le prove pratiche sono state condotte con un Unitree Aliengo, un quadrupede da circa 22 chilogrammi, quindi non un giocattolo leggero da far volare con facilità. Nei test la macchina si è lanciata verso aperture grandi quasi quanto il proprio corpo e le ha attraversate in totale autonomia, senza istruzioni preconfezionate sul punto esatto in cui saltare.
Il dettaglio che conta è l’adattamento. Il salto autonomo non è stato eseguito su una configurazione fissa e ripetuta all’infinito, ma tenendo conto della posizione variabile dell’ostacolo e delle irregolarità del terreno sotto le zampe. In altre parole il sistema ricalcola, aggiusta l’avvicinamento, sceglie l’istante buono e poi esegue. Che è esattamente quello che serve fuori da un laboratorio, dove nessuno prepara il percorso in anticipo.
Le implicazioni sono abbastanza evidenti per chi lavora su macchine destinate a scenari reali, dai contesti di ricerca e soccorso alle ispezioni in ambienti difficili da raggiungere. Un quadrupede capace di superare un varco della propria dimensione, valutando in tempo reale se e come farlo, allarga parecchio il raggio d’azione rispetto a un robot che sa solo camminare bene. Le aperture affrontate nei test avevano dimensioni paragonabili al corpo dell’Aliengo, una soglia tutt’altro che banale per un mezzo di quella stazza.
