I robot hanno lottato a lungo per muoversi nel mondo con la stessa facilità degli esseri umani. Mentre una persona può entrare in una stanza, individuare una sedia blu e aggirarsi attorno a un tavolo mentre ascolta un'istruzione verbale, un robot spesso vede solo un caos disordinato di pixel e suoni. Per colmare questo divario, gli scienziati hanno trascorso anni a costruire sistemi specializzati che trattano il vedere, il pensare e il muoversi come compiti separati. Una parte del software potrebbe riconoscere gli oggetti, un'altra potrebbe disegnare una mappa e una terza potrebbe decidere in che direzione girare. Questo approccio funziona bene in ambienti controllati, ma spesso fallisce quando il robot incontra una nuova stanza, un tipo diverso di macchina o un comando complesso. La sfida è stata quella di creare una mente singola capace di comprendere una scena, ragionare su dove andare e controllare il corpo per arrivarci, tutto in una volta.

Un team di ricercatori ha introdotto un nuovo sistema chiamato LightNav-0 che tenta di risolvere questo problema insegnando a un robot di pensare come fa un essere umano: guardando un'immagine, indicando dove vuole andare e poi muovendosi. Invece di costruire strumenti separati per ogni compito, i ricercatori hanno preso un grande modello informatico pre-addestrato che comprende già il linguaggio e le immagini e lo hanno istruito alla navigazione. Questo modello non ha bisogno di essere riprogrammato per ogni nuovo robot o per ogni nuova stanza. Esso semplicemente guarda ciò che vede, ascolta un comando e decide un percorso. Il risultato è un sistema compatto in grado di seguire istruzioni, trovare oggetti specifici e persino tracciare bersagli in movimento, il tutto operando su diversi tipi di macchine, dai carrelli con ruote ai robot quadrupedi, senza necessità di alcun adattamento speciale.

Il cuore di questo sistema è un modo intelligente di tradurre i pensieri di un robot in azioni. Immaginate un robot che guarda uno schermo che mostra un corridoio. Quando sente il comando "vai verso l'insegna blu del menu alimentare accanto all'edificio di pietra", non inizia immediatamente a muovere le ruote. Prima, utilizza il suo ragionamento interno per indicare due punti specifici sullo schermo. Un punto indica un luogo sicuro verso cui muoversi, come una zona libera del pavimento, e l'altro punto identifica l'obiettivo effettivo, ovvero l'insegna blu. Questo atto di indicare funge da linguaggio chiaro e condiviso tra il cervello del robot e il suo corpo. Una volta stabiliti questi punti, il robot prevede un breve percorso di dieci passi per raggiungere quel punto. Successivamente, esegue questo percorso, osserva la nuova visuale e ripete il processo. Scomponendo il viaggio in questi piccoli passi ragionati, il robot può gestire ambienti complessi senza perdersi o confondersi.

Per insegnare al robot questa abilità, i ricercatori non si sono limitati a mostrargli alcuni esempi. Hanno creato una massiccia libreria di addestramento contenente oltre 2.000 scene diverse e più di 4.000 ore di dati di navigazione. Questa libreria includeva istruzioni per trovare oggetti, seguire persone e muoversi attraverso spazi sia interni che esterni. Il processo di addestramento è avvenuto in fasi. Prima, il modello è stato istruito a comprendere le relazioni spaziali e a indicare con precisione oggetti e località nelle immagini. Poi, gli è stato insegnato a combinare questa capacità di indicare con i veri comandi di movimento necessari per navigare. Infine, il sistema è stato perfezionato attraverso un processo di tentativi ed errori, in cui ha imparato a correggere i propri errori e a migliorare la pianificazione del percorso nel tempo. Questo rigoroso addestramento ha permesso al modello di generalizzare, il che significa che poteva applicare ciò che aveva appreso dai dati di addestramento a situazioni completamente nuove che non aveva mai visto prima.

I risultati di questo lavoro sono significativi perché dimostrano che un singolo modello informatico, relativamente piccolo, può superare sistemi molto più grandi e complessi che si affidano a molte parti specializzate differenti. Nei test condotti su dieci diversi ambienti di simulazione, il nuovo sistema ha raggiunto i tassi di successo più elevati nel seguire istruzioni e trovare oggetti, anche quando gli era consentita la visione di un singolo campo visivo della telecamera e non aveva accesso a sensori di profondità o mappe pre-create. Ha performato bene in stanze interne, aree esterne e persino in mondi di gioco con stili visivi completamente diversi. Forse in modo ancora più impressionante, i ricercatori hanno testato lo stesso software su quattro robot molto diversi: un robot umanoide, un robot quadrupedo, un drone volante e un veicolo a ruote. Senza cambiare una singola riga di codice o riaddestrare il modello, il sistema ha guidato con successo tutti e quattro i tipi di macchine attraverso compiti del mondo reale, come seguire una persona o trovare un oggetto specifico.

Questo approccio sfida l'antica idea secondo cui i robot abbiano bisogno di un cervello unico per ogni nuovo lavoro o tipo di corpo. Utilizzando un metodo unificato in cui il robot indica i suoi obiettivi e poi pianifica un breve percorso, i ricercatori hanno dimostrato che un singolo sistema compatto può gestire una vasta gamma di compiti di navigazione. Il sistema non si affida a magie o calcoli complessi e nascosti; impara semplicemente a vedere il mondo, comprendere un comando e indicare la via da seguire. Sebbene il lavoro sia stato testato principalmente in simulazioni e ambienti controllati del mondo reale, la capacità di trasferire questa abilità tra diversi robot e contesti suggerisce un futuro in cui i robot possano essere impiegati in nuovi luoghi e dotati di nuovi compiti senza la necessità di un esteso riprogrammazione. Il successo di LightNav-0 indica che la strada verso robot più capaci e adattabili potrebbe non risiedere nella costruzione di macchine più grandi e specializzate, ma nell'insegnare loro a pensare e indicare con la stessa semplicità e flessibilità che gli esseri umani usano ogni giorno.