Lo chiamiamo intuito, a volte perfino sesto senso. Gli esseri umani (non tutti, in effetti), hanno la capacità di comprendere gli obiettivi, i desideri e le convinzioni degli altri, un’abilità cruciale che ci consente di anticipare le azioni altrui.
Qualcosa che può essere molto utile nella vita di tutti i giorni. Stai scrivendo una lettera? Avrai bisogno di un francobollo. Gli spaghetti sono quasi cotti? Ti serve uno scolapasta. In questo modo possiamo agire in maniera collaborativa. Questa abilità, spesso definita “teoria della mente”, è ancora una sfida per i robot.
Lo studio
Ma se queste macchine devono diventare davvero utili nei siti industriali o nella vita di tutti i giorni, devono apprendere le stesse abilità. In un nuovo studio presentato alla Conferenza internazionale ACM/IEEE sull’interazione uomo-robot, i ricercatori dell’USC Viterbi School of Engineering insegnano ai robot come prevedere le preferenze umane nelle attività di assemblaggio, in modo da poter essere davvero utili in imprese come, ad esempio, la costruzione di un satellite.
“Quando lavora con le persone, un robot deve indovinare costantemente cosa farà l’umano dopo”, spiega l’autore principale dello studio, Heramb Nemlekar, uno studente di dottorato in informatica che lavora sotto la supervisione di Stefanos Nikolaidis, un assistente professore di informatica. “Ad esempio, se il robot pensa che la persona avrà bisogno di un cacciavite, può prenderlo e porgerglielo in modo che l’altro non debba aspettare. Così il robot può aiutare le persone a completare l’assemblaggio molto più velocemente”.
La sfida
Ma, come può testimoniare chiunque abbia montato dei mobili insieme a un amico, prevedere cosa farà l’altro è difficile: persone diverse preferiscono costruire lo stesso prodotto in modi diversi. C’è chi si toglie subito la parte più difficile, chi preferisce iniziare con le cose più semplici.
Questione di previsioni
La maggior parte delle tecniche attuali richiede di mostrare al robot come eseguire l’assemblaggio, ma questo porta via tempo, come nota Nemlekar: “Immaginiamo di dover assemblare un intero aeroplano solo per insegnare al robot le nostre preferenze”.
In questo studio, tuttavia, i ricercatori hanno trovato delle somiglianze nel modo in cui uno stesso individuo assemblerà prodotti diversi. Ad esempio, se inizi con la parte più difficile quando costruisci un divano Ikea, è probabile che tu faccia lo stesso quando monti la culla di un bambino.
La soluzione: un modello
Così, invece di “mostrare” al robot le proprie preferenze in un’attività complessa, gli scienziati hanno ideato una piccola attività di assemblaggio ‘modello’ (chiamata “canonica”), che le persone possono eseguire facilmente e rapidamente. In questo caso, montare un semplice modellino di aeroplano, dotato di ali, coda ed elica.
Il robot ha “osservato” un essere umano completare il compito, utilizzando una telecamera posizionata direttamente sopra l’area di assemblaggio. Per rilevare le parti azionate dall’essere umano, il sistema ha utilizzato AprilTags, sorta di QR code attaccati alle singole parti.
Quindi, il robot ha utilizzato l’apprendimento automatico per imparare le preferenze di una persona in base alla sequenza di azioni nell’attività presa a modello. “In base a come un essere umano esegue il piccolo assemblaggio, il robot prevede cosa farà nelle operazioni più impegnative”, assicura Nemlekar.
Il risultato
Nello studio questo sistema ha permesso al robot di prevedere le azioni degli esseri umani con una precisione di circa l’82%.
Una prospettiva che può spaventare. Ma i ricercatori sono invece convinti della bontà del proprio approccio. “Speriamo che la nostra ricerca possa rendere più facile mostrare ai robot le nostre preferenze”, ha affermato Nemlekar. “Aiutando ogni persona nel modo che preferisce, i robot possono agevolare il lavoro, far risparmiare tempo e persino alimentare la fiducia in se stessi”.
Questa tecnologia potrebbe essere utile anche in ambienti industriali in cui i lavoratori hanno il compito di assemblare prodotti su larga scala, risparmiando tempo e riducendo il rischio di lesioni o incidenti. O aiutare le persone con disabilità o mobilità ridotta a conservare una maggiore indipendenza.
