Immaginate una mano robotica che cerca di raccogliere un uovo fragile, un limone scivoloso o un martello pesante. A differenza di un essere umano, i cui polpastrelli percepiscono istintivamente la consistenza, il peso e la scivolosità di un oggetto per regolare la presa in una frazione di secondo, un robot solitamente si affida a telecamere o istruzioni pre-programmate. Se l'oggetto si sposta anche solo leggermente, o se la superficie è più liscia del previsto, il robot spesso perde la presa. Per decenni, gli scienziati hanno cercato di insegnare ai robot a manipolare oggetti con la stessa destrezza di una mano umana, un compito che richiede di coordinare decine di minuscole articolazioni e reagire al costante contatto fisico. La sfida non è solo muovere la mano in un punto, ma mantenere un delicato e mutevole equilibrio di pressione mentre l'oggetto ruota, rotola o scivola all'interno della presa.

Un team di ricercatori di Sharpa Robotics ha sviluppato un nuovo approccio per risolvere questo problema, concentrandosi su come un robot possa imparare a riorientare gli oggetti — capovolgendoli o facendoli ruotare — usando il senso del tatto come guida primaria. Il loro lavoro, presentato in uno studio intitolato TacBPM, affronta un collo di bottiglia specifico nell'apprendimento robotico: la difficoltà di insegnare a una macchina a scoprire la giusta sequenza di movimenti delle dita senza interrompere il contatto o far cadere l'oggetto. Invece di costringere il robot a imparare ogni possibile movimento da zero, i ricercatori hanno creato un "behavior prior" (un precedente comportamentale), che funge da libreria fondamentale di movimenti sicuri e ricchi di contatto. Questa libreria è costruita addestrando il robot su molte sfere di diverse dimensioni, insegnandogli come rotolare e tenere oggetti di varie scale. L'innovazione chiave è che questa libreria non è solo un insieme di istruzioni visive; è condizionata dal feedback tattile, il che significa che il sistema di guida interna del robot controlla costantemente ciò che le punte delle sue dita sentono per decidere la mossa successiva.

I ricercatori hanno addestrato il loro sistema utilizzando un metodo chiamato distillazione, in cui hanno preso otto diversi modelli esperti, ciascuno specializzato per una sfera di una dimensione specifica che va da molto piccola a grande, e hanno compresso la loro conoscenza in un unico controller compatto. Questo controller non genera comandi motori grezzi per i ventidue giunti della mano robotica. Invece, genera un'azione "latente" di alto livello, un'istruzione semplificata che rappresenta un modello di movimento sicuro e stabile al contatto. Il robot impara poi a fare piccoli aggiustamenti a questa istruzione in base al compito specifico. Mantenendo la guida tattile centrale congelata e permettendo al robot di apprendere solo piccole correzioni, il sistema evita il caotico processo di tentativi ed errori che solitamente causa la caduta degli oggetti. Lo studio mostra che quando al robot viene presentato un nuovo oggetto mai visto prima, come un blocco, una bottiglia o uno strumento dalla forma irregolare, può comunque avere successo perché si affida ai pattern tattili appresi dalle sfere.

In una serie di test, i ricercatori hanno valutato se questo approccio potesse gestire oggetti che non fossero sfere e compiti più complessi della semplice rotazione. Hanno chiesto al robot di ruotare oggetti verso angoli specifici, ruotarli attorno ad assi specifici e persino di eseguire una sequenza completa di presa di un oggetto, sollevamento, movimento e posizionamento in una nuova posizione. Quando confrontato con i robot che cercavano di apprendere questi compiti da zero muovendo casualmente i propri giunti, il sistema TacBPM è risultato significativamente più efficace. Nelle simulazioni, l'approccio standard spesso falliva nel trovare un modo stabile per tenere l'oggetto, risultando in cadute o posizioni di blocco, mentre il sistema condizionato dal tatto completava con successo i compiti nella stratta maggioranza dei tentativi. Ad esempio, quando gli veniva chiesto di ruotare un blocco o una bottiglia verso un'orientazione target, il nuovo metodo raggiungeva tassi di successo vicini al novanta percento, mentre il metodo standard faticava a raggiungere anche il dieci percento.

Lo studio ha testato il sistema anche su un vero braccio robotico dotato dello stesso sistema di mano destra. Senza alcun addestramento aggiuntivo sull'hardware fisico, la politica appresa nella simulazione è stata trasferita direttamente nel mondo reale. Il robot ha afferrato con successo vari strumenti, tra cui un martello di gomma e un pennello blu, li ha sollevati e spostati in posizioni target. È riuscito anche a ruotare oggetti come una pallina da tennis e un blocco d'angolo lungo direzioni specifiche, seguendo i comandi per ruotare a sinistra, destra, su o giù. In queste prove nel mondo reale, il robot che utilizzava il precedente tattile è riuscito a ruotare un blocco d'angolo di oltre seicento gradi in un unico tentativo, mentre altri metodi spesso fallivano nel mantenere il contatto o perdevano l'oggetto completamente. I ricercatori hanno notato che il sistema era particolarmente robusto quando la forma o la dimensione dell'oggetto cambiavano, suggerendo che la guida tattile ha aiutato il robot ad adattarsi a nuove geometrie senza dover riapprendere le basi di come impugnare qualcosa.

Uno dei risultati più significativi è stato che il sistema ha funzionato anche quando il robot gli veniva chiesto di gestire oggetti mai visti durante l'addestramento. I ricercatori hanno testato il robot su forme come un bidone della spazzatura, una fragola e un blocco multifacciale, nessuno dei quali era stato utilizzato per costruire la libreria iniziale di movimenti delle sfere. Il robot è stato in grado di generalizzare la sua conoscenza, usando i pattern tattili appresi dalle sfere per capire come afferrare e ruotare questi articoli sconosciuti. Ciò suggerisce che il senso del tatto fornisca un linguaggio universale per la manipolazione che trascende le forme specifiche. Lo studio ha anche esplorato uno scenario in cui il robot doveva seguire comandi compatti, come "ruota attorno all'asse verticale", piuttosto che ricevere un angolo finale specifico. Il sistema ha imparato a interpretare queste direzioni e ad aggiustare i movimenti delle dita di conseguenza, mantenendo una presa stabile mentre l'oggetto ruotava.

I ricercatori sono stati attenti a dimostrare che il successo del loro metodo dipendeva fortemente dalle informazioni tattili. Quando hanno rimosso i sensori di tocco dal sistema e si sono affidati solo alla posizione dei giunti del robot, le prestazioni sono diminuite significativamente, specialmente per oggetti scivolosi o con forme irregolari. Ciò ha confermato che il robot aveva bisogno di "sentire" l'oggetto per sapere quando regolare la presa o cambiare strategia. Lo studio ha inoltre dimostrato che il sistema può essere adattato a diversi tipi di robot. In un test separato che coinvolgeva un braccio e una mano che lavorano insieme, lo stesso paradigma di addestramento ha permesso al robot di afferrare, sollevare e trasportare vari strumenti, provando che l'approccio può scalare oltre la singola mano verso corpi robotici più complessi.

Il lavoro non pretende di aver risolto ogni problema di manipolazione robotica e i ricercatori riconoscono che esistono limiti alla capacità del sistema di estrapolare verso oggetti che sono vastamente diversi dagli esempi di addestramento. Ad esempio, quando al robot è stato chiesto di gestire una sfera significativamente più grande di qualsiasi altra vista in precedenza, il suo tasso di successo è diminuito, indicando che il sistema ha ancora dei confini. Tuttavia, i risultati mostrano chiaramente che, fornendo al robot una base di feedback tattile e una solida fondazione di comportamenti ricchi di contatto, è possibile insegnare alle macchine a manipolare oggetti con un livello di destrezza precedentemente fuori portata. Lo studio suggerisce che il futuro della manipolazione robotica potrebbe non risiedere nell'insegnare ai robot a vedere ogni dettaglio di un oggetto, ma nell'insegnare loro a orientarsi attraverso il tatto, usando il senso del contatto come guida primaria per la stabilità e il controllo.