RoboShape: Information-Theoretic Point Cloud Representations for Privacy-Aware Robot Perception

I robot si stanno spostando sempre più dai laboratori verso le nostre case, ospedali e luoghi di lavoro. Per navigare in questi spazi complessi, si affidano a sensori che catturano il mondo come una nuvola di milioni di minuscoli punti, creando una mappa tridimensionale del loro ambiente. Queste mappe permettono alle macchine di riconoscere una sedia, evitare un tavolo o pianificare un percorso attraverso una stanza affollata. Tuttavia, man mano che i robot condividono queste mappe con server in cloud o altre macchine per imparare l'una dall'altra, è emerso un nuovo problema. Proprio la ricchezza che rende queste mappe utili per la navigazione rivela anche dettagli intimi sulle persone che vi vivono. Una scansione di un soggiorno potrebbe mostrare un divano, ma la disposizione dei mobili e la conformazione dello spazio possono anche rivelare se una stanza è una camera da letto, un ufficio domestico o un'area medica privata — informazioni che gli occupanti non intendevano condividere.

Per anni, gli ingegneri hanno lottato con questa tensione tra utilità e privacy. I metodi tradizionali per proteggere i dati agiscono spesso come uno strumento rozzo. Aggiungere rumore casuale a una mappa potrebbe nascondere il tipo di stanza, ma renderebbe anche sfocata la sedia e la porta, rendendo il robot meno efficace. Altri approcci rimescolano i dati o cercano di indovinare cosa nascondere, ma mancano di un modo preciso per misurare esattamente quanta informazione privata rimanga. La sfida principale è stata trovare un modo per mantenere i dettagli di cui un robot ha bisogno per svolgere il proprio lavoro, rimuovendo chirurgicamente i dettagli che rivelano la vita privata di una persona, senza degradare la qualità complessiva della mappa.

Un team di ricercatori ha introdotto un nuovo sistema chiamato RoboShape per risolvere questo problema. Invece di trattare l'intera mappa 3D come un unico blocco di dati indivisibile, lo scompongono in piccoli pezzi gestibili chiamati voxel. Pensate a un voxel come a un minuscolo pixel tridimensionale che rappresenta un piccolo cubo di spazio. I ricercatori partono da un potente programma per computer pre-addestrato che ha già imparato a comprendere bene questi pezzi. Questo programma converte ogni pezzo della mappa 3D in una lunga lista di numeri, nota come embedding, che cattura tutto ciò che il robot sa di quel punto specifico, inclusi sia l'oggetto che vede sia il tipo di stanza in cui si trova.

L'innovazione risiede in ciò che accade successivamente. I ricercatori hanno aggiunto uno strato leggero e addestrabile sopra questo programma esistente. Questo nuovo strato agisce come un filtro che rimodella la lunga lista di numeri in una lista molto più corta. Lo scopo di questa rimodellazione è guidato da un principio matematico chiamato informazione reciproca, che misura essenzialmente quanto un pezzo di dato dice di un altro. Il sistema è addestrato con due istruzioni opposte. Primo, gli viene ordinato di mantenere quanta più informazione possibile sull'oggetto stesso, assicurando che il robot possa ancora riconoscere una sedia o una scrivania. Secondo, gli viene ordinato di rimuovere quanta più informazione possibile sul tipo di stanza, assicurando che il robot non possa capire se si trova in una camera da letto o in un bagno.

Per insegnare al sistema come bilanciare questi obiettivi contrastanti, i ricercatori hanno utilizzato un metodo specifico per stimare il flusso di informazione durante l'addestramento. Hanno trattato ogni piccolo pezzo della mappa come un campione indipendente, permettendo loro di misurare precisamente quanta informazione la lista di numeri accorciata rivelasse ancora sul tipo di stanza. Regolando il filtro per massimizzare la connessione con l'oggetto e minimizzare la connessione con la stanza, il sistema ha imparato a comprimere significativamente i dati. Il risultato è una rappresentazione dell'87,5% più piccola rispetto all'originale, rendendo l'invio tramite rete molto più economico e veloce.

I ricercatori hanno testato questo approccio su tre diversi dataset del mondo reale contenenti migliaia di scene interne, che vanno da singole stanze a interi edifici. Hanno confrontato il loro metodo con le tecniche standard che semplicemente aggiungono rumore o utilizzano una compressione casuale. I risultati hanno mostrato che il nuovo sistema ha mantenuto il 98,7% della sua capacità di identificare gli oggetti, il che significa che il robot può ancora svolgere i suoi compiti quasi come prima. Allo stesso tempo, il sistema ha ridotto del 39,3% la capacità di indovinare il tipo di stanza. In un test in cui un programma per computer standard poteva quasi perfettamente identificare il tipo di stanza dai dati originali, i nuovi dati compressi hanno reso la previsione non migliore del caso.

Per garantire che questi risultati reggessero in uno scenario reale, i ricercatori hanno anche simulato un robot che naviga in un ambiente virtuale. Hanno addestrato un robot a trovare una parete, un compito che richiede la comprensione della geometria dello spazio. Il robot che utilizza i nuovi dati compressi è stato quasi altrettanto capace di quello che utilizza i dati completi e non compressi. Tuttavia, quando hanno testato se il robot potesse imparare a navigare specificamente in base al tipo di stanza — ad esempio, spostandosi in una zona diversa se si trovava in una camera da letto rispetto a un soggiorno — il robot con i nuovi dati ha fallito nell'apprendere questo schema. Poteva ancora orientarsi tra i mobili, ma aveva perso la capacità di riconoscere la natura dello spazio in cui si trovava.

Questo lavoro dimostra che è possibile progettare sistemi di percezione robotica che siano sia compatti che rispettosi della privacy. Utilizzando la teoria dell'informazione per guidare il processo di compressione, i ricercatori hanno creato uno strumento che permette ai robot di condividere ciò che vedono senza rivelare dove si trovano. Il sistema è progettato per funzionare con qualsiasi tecnologia di mappatura 3D esistente, offrendo un modo pratico per costruire pipeline di percezione pronte per essere implementate in ambienti umani. I ricercatori hanno reso pubblici il loro codice e i loro modelli, fornendo alla comunità della robotica un metodo per costruire macchine che rispettino la privacy degli spazi in cui entrano pur rimanendo capaci di svolgere i propri compiti.