Advancing Improvisation in Human-Robot Construction Collaboration: Taxonomy and Research Roadmap

Sintesi Tecnica: Avanzamento dell'Improvvisazione nella Collaborazione Costruttiva Uomo-Robot

Problematica
Il settore delle costruzioni affronta sfide persistenti riguardanti la stagnazione della produttività, la carenza di manodopera qualificata e i rischi per la sicurezza, evidenziati da elevati tassi di mortalità e frequenti ritardi nei progetti. Sebbene la robotica e l'automazione offrano potenziali soluzioni, gli attuali robot da costruzione faticano negli ambienti non strutturati e dinamici. L'automazione tradizionale preprogrammata manca della flessibilità necessaria per gestire condizioni di cantiere impreviste, richiedendo spesso una supervisione umana estesa. Sebbene la Collaborazione Uomo-Robot (HRC) sia emersa come un paradigma per sfruttare i punti di forza complementari di umani e robot, rimane un divario critico: la capacità di impegnarsi nell'improvvisazione collaborativa. L'improvvisazione — la capacità di adattarsi a situazioni inaspettate attraverso il problem-solving creativo e il processo decisionale in tempo reale — rimane prevalentemente un tratto umano. La ricerca attuale manca di un quadro sistematico per classificare la progressione dall'esecuzione di base controllata dall'uomo alla vera improvvisazione collaborativa, lasciando poco chiari i percorsi tecnici e concettuali necessari per colmare questo divario.

Metodologia
Gli autori hanno condotto una revisione sistematica di 214 articoli pubblicati tra il 2010 e il 2025, estratti da database tra cui Google Scholar, IEEE Xplore, Scopus e ScienceDirect, nonché dalle principali riviste e atti di conferenze (ad es., ISARC, CRC). La strategia di ricerca ha utilizzato combinazioni booleane di parole chiave relative alla robotica per l'edilizia, HRC, improvvisazione, adattamento e apprendimento.

Il contributo metodologico principale è lo sviluppo di una tassonomia a sei livelli per classificare l'HRC nelle costruzioni, adattata dal framework di Liang et al. (2021) e dal Livello di Autonomia del Robot (LoRA). Questa tassonomia categorizza la ricerca in base alla distribuzione delle capacità di improvvisazione e delle responsabilità tra umani e robot. I livelli variano da:

• Livello 0: Lavoro Manuale
• Livello 1: Esecuzione Controllata dall'Umano
• Livello 2: Manipolazione Adattiva
• Livello 3: Apprendimento per Imitazione (Learning from Demonstration)
• Livello 4: Flusso di Lavoro BIM con Human-in-the-Loop
• Livello 5: Integrazione della Conoscenza basata su Cloud
• Livello 6: Vera Improvvisazione Collaborativa

Per visualizzare l'evoluzione delle capacità attraverso questi livelli, gli autori hanno sviluppato un framework radar a cinque dimensioni che valuta:

1. Pianificazione/Organizzazione: Sequenziamento dei compiti e programmazione delle risorse.
2. Ruolo Cognitivo: Processo decisionale e ragionamento in tempo reale.
3. Esecuzione Fisica: Manipolazione diretta e controllo della forza.
4. Capacità di Apprendimento: Acquisizione di competenze e generalizzazione.
5. Improvvisazione/Adattabilità: Problem-solving creativo per situazioni inedite.

Ricerche rappresentative sono state mappate su "mappe a raggi" (spoke-maps) per ciascun livello per illustrare lo stato dell'arte attuale e identificare le frontiere della ricerca.

Contributi Chiave e Risultati
L'analisi rivela che la ricerca attuale sulla robotica per l'edilizia è fortemente concentrata nei livelli inferiori della tassonomia (Livelli 1–3), con una progressione limitata verso la vera improvvisazione collaborativa (Livello 6).

• Livello 1 (Esecuzione Controllata dall'Umano): I robot agiscono come esecutori obbedienti con zero improvvisazione. Gli umani mantengono il pieno controllo della pianificazione e della cognizione, mentre i robot forniscono un'elevata capacità fisica. La ricerca si concentra sulla teleoperazione e sull'esecuzione preprogrammata.
• Livello 2 (Manipolazione Adattiva): I robot introducono micro-aggiustamenti guidati dai sensori (ad es., modulazione della forza, evitamento delle collisioni) entro parametri predefiniti. L'improvvisazione è limitata all'adattamento reattivo entro intervalli stretti; il ragionamento creativo rimane umano.
• Livello 3 (Apprendimento per Imitazione): I robot apprendono politiche da dimostrazioni umane (cinestetiche o visive). Possono generalizzare all'interno di famiglie di compiti noti, ma mancano della capacità di generare strategie innovative per scenari non visti. L'improvvisazione è retrospettiva e guidata dagli esempi.
• Livello 4 (BIM con Human-in-the-Loop): I robot integrano il Building Information Modeling (BIM) e i Digital Twin per rilevare scostamenti tra il progetto e lo stato di fatto. Propongono azioni correttive basate su modelli semantici, ma gli umani mantengono l'autorità per la validazione e la pianificazione di alto livello.
• Livello 5 (Conoscenza basata su Cloud): I robot accedono a repository cloud e ai Large Language Models (LLM) per recuperare precedenti analoghi e generare piani candidati. Questo rappresenta un passaggio verso l' "autonomia consultiva", dove i robot possono gestire una gamma più ampia di situazioni inaspettate ricombinando elementi noti, sebbene non partecipino ancora all'ideazione co-creativa.
• Livello 6 (Vera Improvvisazione Collaborativa): Identificato come lo stato target aspirazionale, questo livello prevede una partnership in cui umani e robot si impegnano in una continua e co-creativa formulazione del problema e nella sua esecuzione. Richiede modelli mentali condivisi, ragionamento dialogico e IA generativa capace di proporre strategie genuinamente nuove fondate su vincoli fisici.

L'analisi del diagramma radar dimostra che, sebbene i robot stiano superando sempre più gli umani nell'esecuzione fisica e nel ragionamento cognitivo a livello di compito nei livelli superiori, la vera improvvisazione collaborativa richiede asimmetrie intenzionali. Gli umani devono mantenere la primazia nella pianificazione di alto livello, nell'apprendimento contestuale e nel giudizio etico, mentre i robot li integrano con potenza computazionale e sintesi generativa.

Significatività e Rivendicazioni
L'articolo sostiene che la sua principale significatività risieda nell'aver stabilito un quadro di classificazione sistematica che va oltre le capacità fisiche per concentrarsi sulla dimensione critica, e ancora poco ricercata, dell'improvvisazione. Definendo i sei livelli e le cinque dimensioni di capacità, il framework fornisce una tabella di marcia chiara per i ricercatori e gli operatori per posizionare il proprio lavoro e identificare lacune specifiche.

Gli autori identificano tre barriere fondamentali che impediscono la transizione al Livello 6:

1. Limiti Tecnici: Insufficiente radicamento (grounding) dei piani generati dagli LLM nelle affordance percettive in tempo reale e dipendenza da interazioni sequenziali query-risposta piuttosto che da un ragionamento dialogico sostenuto.
2. Lacune Concettuali: Una disconnessione tra la ricerca sull'improvvisazione umana (focalizzata sulla collaborazione diadica e la conoscenza tacita) e la ricerca sulla robotica (focalizzata sulle capacità individuali del robot).
3. Sfide Metodologiche: La necessità di progressi integrativi nelle interfacce di consapevolezza situazionale condivisa, nelle architetture spiegabili e nei meccanismi di calibrazione della fiducia.

L'articolo conclude che la ricerca futura deve dare priorità allo sviluppo di interfacce AR/VR per modelli mentali condivisi, all'integrazione degli LLM con un solido radicamento nei vincoli costruttivi e a sistemi basati su cloud che supportino il ragionamento dialogico co-costruito. L'obiettivo finale è far evolvere i robot da assistenti ad alte prestazioni a partner creativi capaci di affrontare l'imprevedibilità delle costruzioni attraverso l'innovazione co-generata, preservando al contempo i ruoli umani essenziali nel processo decisionale etico e strategico.