Robbyant

Orientarsi dentro una stanza, per un robot, resta una delle sfide più insidiose, e proprio qui entra in gioco LingBot-Depth 2.0, il modello che promette di dare alle macchine una percezione dello spazio molto più affidabile. Sembra banale, in fondo basta guardarsi attorno e capire dove sono i muri, i mobili, le persone. Peccato che per un sistema automatico le cose siano parecchio più complicate, ed è il motivo per cui poche aziende se la sentono davvero di piazzare in casa nostra quei modelli soprannominati maggiordomo. Il rischio di incidenti c'è, non va sottovalutato, anche se i progressi tecnici stanno rendendo questi robot sempre più capaci. Perché certi oggetti ingannano i robot Il problema non sono le pareti o il divano, quelli si riconoscono senza troppi grattacapi. A mandare in tilt un robot sono elementi che per noi non rappresentano alcuna difficoltà. Una porta in vetro, per esempio. Oppure uno specchio, o una qualsiasi superficie lucida che riflette la luce. Sono proprio queste le cose che confondono le telecamere di profondità, facendo perdere alla macchina il senso reale delle distanze. E qui vale una regola abbastanza intuitiva: più l'ambiente diventa complesso, più cresce la probabilità che qualcosa vada storto. La percezione spaziale resta quindi il nodo centrale. Un robot che sbaglia a misurare la distanza da uno specchio può urtarlo, fermarsi nel punto sbagliato o interpretare male la geometria della stanza. Ecco perché il lavoro su questo fronte conta più di quanto si possa immaginare, e non riguarda solo l'eleganza dei movimenti ma la sicurezza vera e propria di chi vive quegli spazi. La risposta di Robbyant A provare a mettere una toppa a queste difficoltà ci ha pensato la società cinese Robbyant, che ha presentato due modelli pensati proprio per far capire ai robot cosa hanno intorno. Da una parte c'è LingBot-Depth 2.0, dall'altra LingBot-Vision. L'obiettivo dichiarato è dare alle macchine una comprensione dello spazio circostante con una precisione superiore rispetto alla maggior parte dei sistemi oggi in circolazione. In pratica si tratta di affinare quella capacità di lettura dell'ambiente che finora è rimasta il tallone d'Achille di molti dispositivi. La sfida delle superfici riflettenti, quelle che tanto confondono le telecamere, è al centro di questo tipo di ricerca. Non è un dettaglio da poco: significa provare a colmare il divario che ancora separa i robot domestici dall'essere davvero affidabili nelle case di tutti i giorni. Un lavoro di questo genere sui robot serve proprio a ridurre quel margine di errore che oggi frena la diffusione dei modelli più autonomi. Rendere le telecamere di profondità capaci di leggere correttamente anche il vetro e gli specchi vuol dire avvicinare quel momento in cui affidare certe faccende a una macchina non sembrerà più un azzardo.

Robbyant

LingBot-Depth 2.0, il robot che finalmente capisce lo spazio