Leveraging Inter-object Affordances for Efficient Planning in Contact-rich Tasks

I robot sono stati a lungo i padroni delle fabbriche, dove ripetono gli stessi movimenti precisi su parti identiche. Ma entrando in una vera cucina, le regole cambiano. Qui, gli oggetti arrivano in ogni forma, dimensione e materiale, e interagiscono in modi complessi. Una pesante padella non può essere bilanciata su un sottile spargisale, e un boccale di vetro rotondo rotolerà via da una superficie curva. Perché un robot possa navigare in questa realtà disordinata, ha bisogno di più di una semplice lista di passaggi; ha bisogno di comprendere le "regole di ingaggio" fisiche tra gli oggetti. Questa è la sfida della pianificazione di compiti e movimenti (task-and-motion planning), un campo che cerca di colmare il divario tra obiettivi di alto livello, come "organizzare il tavolo", e la fisica di basso livello di come un braccio robotico si muova effettivamente. Sebbene l'intelligenza artificiale moderna abbia fatto passi avanti nella comprensione del linguaggio e delle immagini, far sì che un robot impili in modo affidabile una varietà di oggetti domestici senza farli cadere rimane un ostacolo significativo.

Un team di ricercatori dell'Università di Innsbruck ha affrontato questo problema insegnando a un sistema di pianificazione a pensare alle relazioni fisiche tra gli oggetti prima ancora di muovere un muscolo. Invece di affidarsi a modelli semplificati che trattano tutti gli oggetti come blocchi uniformi, hanno sviluppato un metodo che tiene conto delle specifiche affordance degli oggetti del mondo reale. In questo contesto, un'affordance è semplicemente ciò che un oggetto permette a un robot di fare in base alla sua forma e al suo materiale. Per esempio, un tagliere piatto offre una superficie stabile per sostenere altri oggetti, mentre il fondo rotondo di uno spargisale no. I ricercatori hanno costruito un sistema che utilizza queste verità fisiche per filtrare le azioni impossibili prima ancora che il robot le tenti, assicurando che un piano per impilare un boccale su una padella venga generato solo se la fisica lo consente effettivamente.

Il cuore del loro lavoro consiste in un nuovo modo di definire come un robot interagisce con il proprio ambiente. Hanno creato un insieme di regole che descrivono come gli oggetti possano essere afferrati, sostenuti, sollevati o fatti scivolare. Ad esempio, il sistema comprende che una padella può essere sollevata dal manico, ma è troppo pesante e scomoda per essere afferrata dal bordo. Sa che un vassoio di legno è troppo pesante per essere sollevato da un tavolo, ma può essere fatto scivolare sulla superficie. Codificando queste costrizioni fisiche direttamente nel processo di pianificazione, il robot evita di perdere tempo cercando di eseguire azioni che sono fisicamente impossibili, come cercare di bilanciare un oggetto grande e pesante su una superficie piccola e instabile. Questo approccio, che gli autori chiamano Unified TAMP, consente al robot di generare una sequenza di azioni che sia garantita essere fattibile nel mondo reale, piuttosto che solo teoricamente possibile.

Per testare questa idea, i ricercatori hanno allestito un ambiente cucina simulato dotato di un braccio robotico e una collezione di oggetti comuni: uno spargisale, un boccale di vetro, un tagliere, una padella e un vassoio di legno. L'obiettivo era organizzare questi oggetti sparsi impilandoli ordinatamente sul vassoio. Hanno creato oltre cento diversi scenari di partenza, variando il numero di oggetti e le loro posizioni iniziali, per vedere quanto il loro metodo fosse resistente sotto pressione. Hanno confrontato il loro nuovo sistema con altri due approcci: una versione precedente dello strumento di pianificazione che ignorava le proprietà fisiche specifiche, e un sistema che si affidava a un grande modello visione-linguaggio per indovinare le mosse corrette basandosi sul senso comune.

I risultati sono stati sorprendenti. Il nuovo sistema, che incorporava le regole fisiche dettagliate, è riuscito a creare piani quasi ogni volta che veniva testato, raggiungendo un tasso di successo fino al cento per cento quando le regole erano perfettamente note. Anche quando il sistema doveva utilizzare un modello di visione per identificare gli oggetti e le loro proprietà, ha avuto successo nel novanta per cento dei casi. Al contrario, il vecchio metodo di pianificazione, che trattava gli oggetti come blocchi generici, falliva più della metà delle volte perché cercava di impilare gli articoli in modi che sfidavano la fisica, come posizionare una padella pesante su un piccolo spargisale. Il modello visione-linguaggio, nonostante la sua capacità di comprendere linguaggio e immagini, faticava significativamente, avendo successo solo circa il quaranta per cento delle volte. Spesso perdeva i dettagli fisici sottili, come il fatto che una superficie rotonda non può sostenere un oggetto pesante, portando a piani che sembravano logici nel testo ma che fallivano nella realtà.

Oltre ai tassi di successo, la velocità di pianificazione è stata un importante elemento di distinzione. Il nuovo sistema generava piani in una frazione di secondo, circa due ordini di grandezza più velocemente del modello visione-linguaggio, che richiedeva in media oltre un minuto. Questa velocità deriva dal fatto che il nuovo sistema utilizza un quadro logico strutturato per eliminare immediatamente le opzioni impossibili, mentre il modello di visione deve ragionare su ogni possibilità da zero. I ricercatori hanno scoperto che all'aumentare del numero di oggetti, i metodi più vecchi diventavano sempre più lenti ed errati, mentre il loro nuovo approccio manteneva la sua efficienza e accuratezza. Ciò suggerisce che, affinché i robot operino efficacemente in ambienti complessi e reali, abbiano bisogno di una solida base di comprensione fisica che vada oltre il semplice riconoscimento di cosa sia un oggetto.

Lo studio ha anche evidenziato i limiti del ricorso esclusivamente all'intelligenza artificiale per comprendere il mondo fisico. Sebbene i modelli visione-linguaggio siano strumenti potenti per riconoscere oggetti e generare idee, mancano del ragionamento rigoroso e passo dopo passo necessario per garantire che un piano funzioni in una simulazione fisica. I ricercatori hanno dimostato che combinando la conoscenza del senso comune di questi modelli con un sistema di pianificazione basato su regole rigide, potevano ottenere il meglio di entrambi i mondi: la capacità di riconoscere oggetti del mondo reale e la capacità di generare un piano che rispetti le leggi della fisica. Questo approccio ibrido permette al robot di gestire la confusione di una vera cucina, dove una padella pesante non può essere sollevata dal bordo e un boccale rotondo non può essere bilanciato su una superficie curva, senza bloccarsi o fallire.

In definitiva, questo lavoro dimostra che per permettere ai robot di passare dai laboratori controllati alle nostre case, essi devono essere dotati di una profonda comprensione simbolica di come gli oggetti interagiscono tra loro. Non basta sapere che esiste una tazza; il robot deve capire che la tazza ha un fondo piatto che può sostenere un sottobicchiere, ma un lato curvo che non può farlo. Costruendo queste costrizioni fisiche direttamente nel processo di pianificazione, i ricercatori hanno creato un sistema che è sia veloce che affidabile. Gli esperimenti, condotti in una simulazione realistica, mostrano che questo metodo può gestire compiti di impilamento complessi con un alto grado di successo, offrendo una strada promettente per i robot che devono navigare nel mondo imprevedibile e vario degli ambienti umani.