Negli angoli silenziosi e disordinati di una casa o nei stretti corridoi di un minimarket, un robot affronta una sfida che è semplice per un essere umano ma sconcertante per una macchina: raccogliere un panino senza schiacciarlo, o sollevare un bicchiere di carta senza lasciare che scivoli via. Per decenni, gli ingegneri hanno insegnato ai robot come afferrare gli oggetti misurando dei numeri: quanta forza viene applicata, quanta attrito esiste e se l'oggetto si muove. Queste misurazioni sono precise e affidabili, ma trascurano la parte più importante dell'equazione: la sensazione umana del "giusto così". Un robot potrebbe applicare una forza fisicamente sufficiente a sostenere un oggetto, eppure, per un osservatore umano, l'oggetto appare leggermente ammaccato o distorto, segnalando che la presa è troppo stretta. Questo distacco tra ciò che un robot misura e ciò che un essere umano si aspetta crea una barriera alla vera cooperazione. Se un robot non può capire che un panino schiacciato è un fallimento, anche se non è caduto, non potrà mai essere affidato a compiti quotidiani delicati.

Un team di ricercatori presso l'Istituto di Tecnologia di Kyushu, in Giappone, ha sviluppato un nuovo modo per colmare questo divario. Hanno creato un sistema che consente a un robot di apprendere gli standard soggettivi e visivi di una presa umana e poi di applicare tali standard utilizzando solo i propri sensori meccanici. Invece di programmare un robot con regole rigide per ogni possibile oggetto, il che è impossibile data l'infinita varietà delle cose nel mondo, i ricercatori hanno costruito un framework che trasferisce l'intuizione umana alla macchina. Il sistema funziona mostrando prima a un essere umano come giudicare una presa, per poi usare quel giudizio per insegnare al robot cosa cercare nei propri dati. Il risultato è un robot capace di adattarsi a un nuovo oggetto sconosciuto dopo aver visto solo pochi esempi, imparando a smettere di stringere esattamente nel momento in cui un essere umano deciderebbe che la presa è perfetta.

I ricercatori hanno testato questa idea su tre articoli comuni presenti in ambienti non strutturati: un onigiri (palla di riso), un panino e un bicchiere di carta. Questi oggetti sono stati scelti perché sono morbidi, deformabili e si comportano diversamente sotto pressione. Per insegnare al robot, il team ha prima registrato video del robot che afferrava questi articoli aumentando la forza in piccoli passi precisi. Un osservatore umano ha guardato questi video e ha segnato due momenti critici: l'istante esatto in cui la pinza teneva l'oggetto in modo sicuro e il primissimo istante in cui l'oggetto mostrava segni visibili di danno, come un'ammaccatura o un cambiamento di forma. Questi momenti hanno definito tre stati per il robot: scivolamento (non tiene abbastanza stretto), appropriato (tiene nel modo giusto) ed eccessivo (stringe troppo forte).

L'innovazione principale risiede nel modo in cui il robot impara queste definizioni senza bisogno di migliaia di esempi etichettati da esseri umani. I ricercatori hanno utilizzato un modello linguistico e visivo di grandi dimensioni, un tipo di intelligenza artificiale capace di comprendere immagini e testo, per fungere da ponte. Hanno mostrato a questa IA alcuni esempi dei giudizi umani — solo due o tre video in cui un essere umano aveva già segnato i momenti perfetti. L'IA ha poi utilizzato questi esempi come guida per etichettare automaticamente il resto dei dati video. Questo processo, che il team chiama generatore di supervisore semi-automatizzato, ha permesso loro di creare un dataset di addestramento completo per ogni oggetto con il minimo sforzo umano. L'IA ha imparato a riconoscere i sottili indizi visivi della deformazione che un essere umano noterebbe, traducendo efficacementamente l' "occhio" umano in un insieme di etichette comprensibili per il robot.

Una volta ottenuti questi dati etichettati, il robot ha imparato a prevedere lo stato della presa in tempo reale usando solo i propri sensori interni. Il robot non ha occhi per vedere l'ammaccatura; al contrario, si affida ai sensori tattili nelle sue dita e alla misurazione della forza che sta applicando. I ricercatori hanno addestrato un modello di previsione leggero per analizzare la cronologia di queste letture dei sensori e indovinare cosa accadrà nella frazione di secondo successiva. Se il pattern di pressione e contatto suggerisce che l'oggetto sta per deformarsi, il robot sa di dover smettere di aumentare la forza. Questa previsione avviene in una frazione di secondo, permettendo al robot di regolare la presa continuamente mentre solleva e sposta l'oggetto.

Gli esperimenti hanno dimostato che questo approccio funziona molto bene. Quando i ricercatori hanno testato il sistema sui tre oggetti, la capacità del robot di prevedere lo stato corretto è migliorata rapidamente all'aumentare dei dati visti. Con un singolo esempio del giudizio umano, il robot poteva iniziare a comprendere il compito, ma le sue previsioni erano talvolta incerte. Fornendo due esempi, le prestazioni del robot sono diventate altamente accurate, eguagliando quasi perfettamente il giudizio umano. Nei test in cui il robot ha effettivamente sollevato e spostato gli oggetti, è riuscito a mantenere la presa "appropriata" in quasi tutte le prove. Per il bicchiere di carta e il panino, il robot ha ottenuto un punteggio perfetto nel mantenere l'oggetto sicuro senza danni. Per l'onigiri, che ha una forma più irregolare e una densità non uniforme, il robot è stato leggermente più cauto, interrompendo la presa un istante prima rispetto all'essere umano, ma ha comunque trasportato l'articolo con successo senza lasciarlo cadere o schiacciarlo.

Per confermare che il robot stesse davvero soddisfacendo le aspettative umane, i ricercatori hanno chiesto a venticinque persone di guardare i video del robot che svolgeva questi compiti. Ai partecipanti è stato chiesto di decidere se la presa del robot fosse in scivolamento, appropriata o eccessiva. In quasi tutti i casi, più del novanta percento delle persone era d'accordo sul fatto che il robot stesse tenendo l'oggetto correttamente. L'unica eccezione è stata una prova con il panino in cui il robot lo teneva leggermente fuori centro, causando una distorsione visiva che alcuni interpretarono come un eccesso di forza. Questo risultato suggerisce che il sistema ha allineato con successo le azioni meccaniche del robot con le aspettative visive umane, creando una presa che risulta corretta a una persona che osserva.

Lo studio ha anche evidenziato i limiti di questo approccio attuale. I ricercatori hanno notato che il sistema funziona meglio quando gli oggetti sono simili a quelli già visti. Se viene introdotto un nuovo tipo di panino con una consistenza o una rigidità completamente diverse, il robot potrebbe aver bisogno di qualche esempio in più per imparare le nuove regole. Il team ha inoltre sottolineato che il loro metodo attuale si basa su una semplice classificazione a tre stati, che è un buon punto di partenza ma non cattura tutta la complessità delle preferenze umane. Il lavoro futuro mirerà a rendere il sistema più robusto incorporando il feedback degli esseri umani durante il compito ed espandendo la gamma di oggetti che può gestire.

In definitiva, questa ricerca dimostra una strada percorribile per i robot che devono lavorare accanto alle persone in ambienti disordinati e imprevedibili. Insegnando alle macchine a dare valore alla prospettiva umana — non solo all'integrità fisica dell'oggetto, ma anche al suo aspetto — i ricercatori hanno compiuto un passo significativo verso robot che possono davvero comprendere le sfumature della vita quotidiana. Il robot non ha bisogno di sapere esattamente quanto forte deve stringere un articolo specifico; deve solo imparare cosa significa "troppo", e così può applicare questa lezione a tutto ciò che incontra. Questa capacità di trasferire criteri umani soggettivi in un controllo meccanico oggettivo suggerisce un futuro in cui i robot potranno gestire i nostri beni più fragili con la stessa cura che usiamo noi.