Adaptive Domain Modeling with Language Models: A Multi-Agent Approach to Task Planning

Immagina di cercare di insegnare a un robot come cucinare la cena. Nei vecchi tempi, gli scienziati dovevano scrivere un manuale di istruzioni massiccio e rigido per ogni singolo scenario possibile: "Se la pentola è rossa, fai X. Se la pentola è blu, fai Y". Se il robot incontrava una pentola verde, o un compito che non aveva mai visto prima, si bloccava perché il manuale non lo prevedeva. Questo è il mondo della pianificazione simbolica, dove i computer seguono regole rigide e pre-scritte. È potente, ma è come un GPS che conosce solo le strade disegnate su una mappa del 1990; se apre una nuova strada, il GPS si perde.

D'altro canto, abbiamo ora i Large Language Models (LLM), i cervelli IA super intelligenti che possono chattare, scrivere storie e comprendere il linguaggio umano. Sono incredibilmente flessibili e possono intuire cosa intendi anche se lo dici in modo strano. Tuttavia, sono anche un po' come un artista brillante ma distratto: potrebbero sognare un piano che suona benissimo ma che è fisicamente impossibile da realizzare per un robot, o potrebbero dimenticare completamente le leggi della fisica.

La grande domanda per gli scienziati è: come possiamo combinare l'affidabilità rigorosa dei vecchi robot che seguono le regole con il cervello creativo e flessibile della nuova IA? Abbiamo bisogno di un sistema che possa comprendere una richiesta disordinata del mondo reale come "Fai una torre con il blocco più grande in fondo", e poi capire come costruirla, anche se il robot non ha mai visto un "blocco più grande" prima d'ora. È qui che entra in gioco il documento che stai per leggere, che offre un nuovo modo per lasciare che i robot imparino al volo.

---

Incontra TAPAS: Il Team di Architetti Creativi del Robot

Incontra TAPAS (Task-based Adaptation and Planning using AgentS). Pensa a TAPAS non come a un singolo cervello robotico, ma come a una piccola, altamente organizzata squadra di costruzione che lavora all'interno di un computer. Invece di una sola persona che cerca di fare tutto, TAPAS suddivide il lavoro tra tre "agenti" specializzati (piccoli lavoratori IA), ognuno con un ruolo specifico, che comunicano tra loro per costruire un piano.

Ecco come funziona questo team, usando un'analogia semplice: Immagina di voler costruire una torre con dei blocchi, ma dici al team: "Voglio il blocco rosso sopra quello blu".

1. Il Generatore di Dominio (Lo Scrittore del Regolamento)
Per primo, il Generatore di Dominio ascolta la tua richiesta. Nei vecchi tempi, se il robot non sapeva cosa significasse "rosso" o "blu" nel suo regolamento, si sarebbe limitato a dire: "Errore! Non conosco questa parola!" e si sarebbe fermato. Ma TAPAS è diverso. Se il Generatore di Dominio si rende conto che: "Ehi, il nostro attuale regolamento non ha un modo per descrivere i colori", non va nel panico. Dice: "Ok, dobbiamo aggiungere una regola sul 'colore' al nostro regolamento". Riscrive letteralmente il manuale di istruzioni interno del robot sul momento per includere questo nuovo concetto.

2. Il Generatore di Stato Iniziale (L'Allestitore della Scena)
Successivamente, il Generatore di Stato Iniziale guarda la stanza. Vede i blocchi sul tavolo. Se il regolamento è stato appena aggiornato per includere il "colore", questo agente si chiede: "Aspetta, di che colore è ogni blocco?". Se non glielo hai detto, potrebbe chiederti (o chiedere alla simulazione) questa informazione. Prepara la scena, assicurandosi che il robot sappia esattamente dove si trova ogni blocco e di che colore è, in linea con le nuove regole.

3. Il Generatore di Stato Obiettivo (Il Definitore del Traguolo)
Infine, il Generatore di Stato Obiettivo guarda il tuo desiderio: "Rosso sopra il blu". Controlla il nuovo regolamento e la scena. Dice: "Ricevuto. L'obiettivo è impilarli in modo che il rosso sia sopra il blu".

La Magia del "Tool-Calling" (Chiamata agli Strumenti)
La parte più interessante è come comunicano. Non si limitano a indovinare; usano degli "strumenti". Se il Generatore di Obiettivo vede un problema (come: "Non possiamo impilare i blocchi per dimensione perché non abbiamo ancora una regola sulla 'dimensione'"), estrae uno strumento chiamato missing_fluent e dice al Generatore di Dominio: "Ehi, abbiamo bisogno di una regola per la dimensione!". Il Generatore di Dominio aggiorna quindi il regolamento, e l'intero team ricomincia con le nuove, migliori istruzioni. È come un gruppo di amici che costruisce un set Lego dove, se si rendono conto di aver dimenticato un pezzo specifico, un amico corre al negozio per comprarlo, e poi tutti continuano a costruire insieme.

Dal "Cosa" al "Come": Il Team di Esecuzione

Una volta scritto il piano, TAPAS deve far muovere davvero il robot. Questo è complicato perché il piano potrebbe dire "Posiziona il blocco A sul blocco B", ma il braccio fisico del robot potrebbe sapere solo come "Spostare la pinza alle coordinate X, Y, Z".

TAPAS usa un Esecutore di Piano per colmare questo divario. Funziona come un traduttore.

• Il Traduttore: Prende il piano sofisticato e di alto livello e lo trasforma in semplici istruzioni in linguaggio naturale come "Sposta il tuo braccio a sinistra" o "Afferra il blocco rosso".
• L'Agente ReAct: Questo è il cervello "Ragiona e Agisci" del robot. Guarda l'istruzione, controlla quali strumenti (abilità) ha effettivamente il robot e sceglie il migliore. Se il robot prova ad afferrare un blocco e sbaglia, l'Agente Validatore (il supervisore) dice: "Ops, questo non ha funzionato. Riprova, ma magari sposta il braccio più lentamente".

Cosa hanno scoperto?

Gli autori hanno testato TAPAS in due modi principali: su classici enigmi logici e in una casa simulata in 3D chiamata VirtualHome.

1. Gli Enigmi Logici (I Benchmark)
Hanno testato TAPAS su sette diverse sfide di pianificazione, come il famoso "Blocksworld" (impilare blocchi) e "Barman" (mescolare drink).

• Il Risultato: TAPAS è stato incredibilmente bravo. Usando un modello IA di alto livello (GPT-4o), ha risolto il 97% dei problemi di "Barman" e il 100% dei problemi di "Blocksworld".
• Il Confronto: È stato molto meglio rispetto all'uso di altri modelli IA o al semplice tentativo di forzare l'IA a fare tutto senza un piano strutturato. Ad esempio, nel test "Blockswold", TAPAS ha risolto il 100% dei problemi, mentre altri metodi faticavano significativamente.

2. Il Test delle "Nuove Regole" (Adattabilità)
È qui che TAPAS brilla davvero. I ricercatori hanno dato al robot compiti che non aveva mai visto prima, come "Impila i blocchi in modo che il più grande sia in fondo" o "Sposta i blocchi, ma assicurati che il robot non finisca la batteria".

• Il Risultato: TAPAS ha capito con successo che doveva aggiungere le regole di "dimensione" o "batteria" al suo regolamento. Lo ha fatto automaticamente.
  • Per il compito sulla "dimensione", ha aggiornato le regole dicendo: "Puoi impilare un blocco solo sopra uno più grande". Ha risolto il 90% di questi nuovi, complicati problemi.
  • Per il compito sulla "batteria", ha aggiunto regole sul consumo di energia. Ha risolto il 100% dei problemi relativi alla batteria delle "Grippers" (la mano del robot).
• Il Limite: Non era perfetto. Nel test "Floortile" (pulizia delle piastrelle) con vincoli di batteria, ha risolto solo il 70% dei problemi. Il documento suggerisce che ciò è accaduto perché l'IA a volte ha ipotizzato il livello di batteria iniziale invece di chiederlo, mostrando che il sistema deve ancora fare attenzione a non fare supposizioni.

3. La Simulazione VirtualHome
Infine, hanno inserito TAPAS in una simulazione 3D di una casa. Il compito era: "Prendi una torta dal frigorifero e mettila sul tavolo" e "Scalda del salmone e mettilo sul tavolo".

• Il Risultato: TAPAS ha generato con successo un piano, lo ha tradotto in azioni e ha guidato un robot virtuale ad aprire il frigo, prendere il cibo, usare il microonde e posizionare gli articoli sul tavolo.
• Il Trucco della Memoria: Hanno anche testato se TAPAS potesse imparare dagli errori. Hanno detto al sistema: "La prossima volta che usi il frigo, assicurati di chiuderlo, anche se non lo dico io". In seguito, quando il robot si è trovato di fronte a un compito simile, si è ricordato questa regola e ha chiuso il frigo automaticamente. Questo ha dimostrato che TAPAS può memorizzare la "memoria procedurale" per migliorare nel tempo.

Perché questo è importante (e cosa non è)

Il documento suggerisce che TAPAS è un passo avanti significativo perché combina il meglio di entrambi i mondi: la creatività dell'IA che comprende il linguaggio e l'affidabilità delle rigide regole di pianificazione. Non si limita a seguire uno script; può riscrivere lo script quando la situazione cambia.

Tuttamente, tuttavia, gli autori sottolineano che si tratta di una simulazione. Lo hanno testato in un mondo informatico (VirtualHome) e su standard enigmi logici, non su un vero robot in una cucina reale e disordinata. Sebbene i risultati siano promettenti, il documento ammette che l'implementazione nel mondo reale affronta ancora sfide, come impedire all'IA di "allucinare" (inventare fatti) o gestire errori troppo complessi per essere corretti automaticamente.

In breve, TAPAS è come un robot che non si limita a seguire una mappa; può disegnare una nuova mappa quando trova un blocco stradale, chiedere indicazioni se si è perso e ricordare la scorciatoia per la prossima volta. Non è ancora un robot perfetto, ma è un robot molto intelligente che sta imparando a pensare in modo rapido e adattivo.