In questo articolo Indice dei contenuti 2 sezioni
Basta un solo video, girato da una persona qualsiasi con una telecamera addosso, e il robot capisce cosa deve fare. È la promessa di S1, il modello per la robotica sviluppato da Skild AI, startup con sede a Pittsburgh, in Pennsylvania, che prova a ribaltare il modo in cui le macchine imparano un compito nuovo. Niente addestramento lungo e dedicato per ogni singola attività, niente migliaia di ripetizioni supervisionate. Solo una dimostrazione, guardata e poi riprodotta.
Il paragone che viene naturale è quello con l’insegnamento tra esseri umani. Per spiegare a qualcuno come rinvasare una pianta o avvitare un tubo a un rubinetto nessuno tira fuori un manuale, gli si mostra come si fa. L’azienda, fondata nel 2023 da Deepak Pathak e Abhinav Gupta, entrambi provenienti dalla Carnegie Mellon University, parla di apprendimento in contesto, un meccanismo che ricorda da vicino quello dei modelli di intelligenza artificiale generativa. Con un chatbot si può descrivere nel prompt cosa serve senza riaddestrare nulla. Qui il prompt diventa un filmato, e il risultato atteso è un movimento fisico.
Come funziona la dimostrazione video
Il sistema osserva la persona che esegue l’operazione, prova a ricostruire l’obiettivo di quel gesto e lo traduce nei movimenti che servono al proprio corpo meccanico. Senza alcuna fase successiva di regolazione dedicata a quel compito specifico. Nei test mostrati da Skild AI non si parla soltanto di gesti elementari tipo afferrare un oggetto e spostarlo, ma di attività mai viste prima durante l’addestramento e lunghe anche una decina di minuti, quindi composte da tanti passaggi in sequenza. Preparare un caffè, assemblare un kit, rinvasare quella famosa pianta, perfino preparare e girare un pancake. Nel caso della pianta il conto dei tempi è preciso, almeno secondo l’azienda. Un essere umano ha registrato una sola dimostrazione indossando una telecamera, e fra la fine della registrazione e l’avvio dell’esecuzione da parte del robot sono passati appena 11 minuti, gran parte dei quali serviti a predisporre l’ambiente.
La parte più ambiziosa però è un’altra. S1 non ricopia i fotogrammi uno per uno. Il video può essere ripreso da un punto di vista diverso rispetto a quello della macchina e la scena può non essere identica. Il modello deve quindi capire l’intenzione dietro il gesto, per esempio che occorre creare uno spazio nella terra prima di infilarci la pianta, e poi arrivare allo stesso risultato con i propri arti e nelle condizioni che si trova davanti. Skild AI sostiene inoltre che il sistema regga entro certi limiti anche gli imprevisti, visto che nelle prove sono stati spostati o sostituiti oggetti e cambiata l’illuminazione a esecuzione in corso. Quando sbaglia, può ritentare l’azione invece di tirare dritto verso il passaggio successivo.
I numeri, e cosa dicono davvero
Vanno letti con la cautela che meritano i dati diffusi da chi sviluppa il prodotto, senza verifiche indipendenti. Detto questo, sulle attività nuove una singola dimostrazione video ha portato il modello a un tasso di successo del 66%. Nel confronto proposto dall’azienda, per arrivare a prestazioni simili un approccio classico basato sull’addestramento successivo avrebbe richiesto circa 380 dimostrazioni, che per i compiti più lunghi significano dalle 50 alle 100 ore di teleoperazione. Con 2mila dimostrazioni, però, il metodo tradizionale sale all’86%. Guardare una volta sola, insomma, non equivale ancora a imparare alla perfezione.
Il punto interessante resta il cambio di prospettiva. Uno dei nodi storici della robotica è sempre stato insegnare alle macchine a cavarsela fuori dagli scenari per cui erano state programmate. Lo si nota anche nei tanti video che arrivano dai mercati asiatici, dove capacità sempre più raffinate convivono con blocchi improvvisi e inspiegabili. Un braccio industriale può ripetere la stessa operazione migliaia di volte con precisione millimetrica, molto più complicato è chiedergli qualcosa di diverso e sperare che capisca al volo come muoversi.
S1 punta ad accorciare questa distanza. Non una macchina a cui insegnare separatamente ogni mestiere, ma un sistema con una base di conoscenze abbastanza ampia da acquisire una nuova abilità semplicemente osservandola, un po’ come fanno i bambini in certe fasi della crescita. Per i robot, imparare guardando potrebbe essere il passaggio che serve per uscire dalle fabbriche e muoversi in ambienti molto meno prevedibili.
