I robot sono stati a lungo istruiti a muoversi con un'unica, rigida regola: non toccare mai nulla che non faccia parte del proprio corpo. Nel mondo della robotica, una collisione è solitamente trattata come un fallimento binario, una linea nel terreno che una macchina non deve attraversare. Questo approccio funziona bene in fabbriche pulite e vuote dove ogni oggetto è fissato in posizione, ma si rivela inadeguato nella realtà disordinata e ingombra di una casa umana. Immaginate un robot che cerca di raggiungere una tazza su un tavolo affollato. Per evitare di toccare una scatola vicina, il robot potrebbe dover fare un lungo e tortuoso giro, oppure potrebbe dover fermarsi e spostare con cura la scatola prima di procedere. Entrambe le opzioni sono lente e spesso non necessarie. Un approccio più pratico permetterebbe al robot di dare una leggera spinta alla scatola per spostarla, se la scatola è robusta e la spinta non causa danni. La sfida risiede nel sapere quali oggetti sono sicuri da toccare e quali no, e nel comprendere che spingere un oggetto potrebbe farne urtare un altro, potenzialmente più fragile, situato più lontano.

Ricercatori della Nanyang Technological University hanno sviluppato un nuovo sistema di pianificazione chiamato CaSCo che insegna ai robot a compiere questi giudizi sfumati. Invece di vedere il mondo come una mappa di ostacoli rigidi da evitare, CaSCo tratta l'ambiente come una collezione di oggetti con diversi livelli di rischio. Una scatola di cartone potrebbe essere a basso rischio, mentre una bottiglia di vetro o un laptop sono ad alto rischio. Il sistema utilizza l'intelligenza artificiale per assegnare questi valori di rischio e poi esegue simulazioni fisiche per prevedere cosa accadrebbe se il robot si muovesse nella scena. Non si limita a controllare se il robot colpisce un oggetto; calcola se quell'urto causerebbe una reazione a catena, in cui il primo oggetto scivola contro un secondo, più prezioso. Pesando le conseguenze di ogni possibile movimento, il robot può trovare un percorso che minimizzi il pericolo totale per la scena, anche se quel percorso comporta il contatto con diversi oggetti a basso rischio.

Il cuore di questo lavoro è uno spostamento dal chiedere "Colpirò qualcosa?" al chiedere "Cosa succede se lo faccio?". Nella pianificazione tradizionale, un robot potrebbe scegliere un percorso che eviti ogni contatto, anche se tale percorso è incredibilmente lungo, oppure potrebbe semplicemente tentare di rimuovere un ostacolo prima di muoversi. CaSCo occupa una via di mezzo. Permette al robot di sfiorare un oggetto leggero se farlo è più sicuro rispetto all'alternativa. Ad esempio, in uno scenario di test, un robot doveva raggiungere un obiettivo su un tavolo ingombro di vari oggetti. Un percorso richiedeva al robot di infilarsi in un passaggio stretto, evitando ogni contatto ma percorrendo una strada lunga. Un altro percorso prevedeva di spingere delicatamente una scatola di cartone e un sacchetto di patatine per liberare la strada. Un terzo percorso, che sembrava più breve, avrebbe richiesto al robot di passare vicino a una bottiglia di vetro e a una lattina di soda. Il sistema ha calcolato che il percorso che coinvolgeva il cartone e le patatine era il più sicuro complessivamente, perché la bottiglia di vetro comportava un alto rischio di rottura o di versamento di liquido, e la lattina di soda avrebbe potuto rotolare e colpire qualcos'altro. Il robot ha scelto il percorso che toccava più oggetti ma che risultava avere il minor danno potenziale.

Per prendere queste decisioni, il sistema costruisce un modello mentale della scena che si aggiorna mentre il robot si muove. Quando il robot spinge un oggetto, il sistema simula la fisica di quella spinta per vedere dove l'oggetto si posiziona. Se quell'oggetto colpisce un secondo oggetto, il sistema registra anche questa collisione secondaria. Questo è fondamentale perché il rischio di un movimento dipende dalla disposizione attuale della stanza. Spingere una scatola in uno spazio vuoto è innocuo, ma spingere la stessa scatola contro una pila di piatti fragili è pericoloso. I ricercatori hanno scoperto che ignorare questi effetti secondari porta a scelte errate. Nei loro esperimenti, un metodo di pianificazione che considerava solo il contatto diretto tra il robot e gli oggetti spesso falliva nel prevenire queste reazioni a catena, risultando in un rischio complessivo più elevato. Tenendo conto dell'intera cascata di interazioni, CaSCo trovava costantemente percorsi che erano più sicuri rispetto ai metodi che ignoravano la reazione a catena o che trattavano tutti gli oggetti come ugualmente pericolosi.

Il team ha testato il loro sistema in un ambiente simulato utilizzando un braccio robotico simile a quelli utilizzati nei laboratori di ricerca, posizionandolo in due tipi di scene affollate: un compito di raggiungimento di uno scaffale e un compito di manipolazione su un tavolo. Hanno creato venti diverse versioni di ciascuna scena, con oggetti disposti in vari modi, e hanno chiesto al robot di trovare il miglior percorso verso un obiettivo. I risultati hanno mostato che CaSCo è stato in grado di risolvere ogni singolo caso del problema, mentre un sistema tradizionale che rifiutava di toccare qualsiasi cosa è fallito completamente in questi contesti affollati. Confrontato con altri metodi che consentivano il contatto, CaSCo ha ridotto il rischio totale delle interazioni di un margine significativo. Nei test sul tavolo, ad esempio, il nuovo sistema ha ottenuto un punteggio di rischio di 25,0, mentre un metodo che utilizzava i valori di rischio ma ignorava il movimento degli oggetti dopo che la collisione era terminata, ha ottenuto un punteggio di 42,0. Questa differenza evidenzia che conoscere la fragilità di un oggetto non è sufficiente; il pianificatore deve anche comprendere come il movimento di quell'oggetto modifichi il resto della scena.

Anche l'efficienza è stata un obiettivo principale dello studio. Poiché il sistema deve simulare il futuro della scena per ogni possibile mossa, i calcoli possono diventare molto pesanti e lenti. I ricercatori hanno sviluppato una scorciatoia intelligente che ha permesso al sistema di saltare calcoli non necessari senza sacrificare la qualità del percorso finale. Invece di simulare ogni singola possibilità, il sistema ha concentrato la sua potenza di calcolo sulle rotte più promettenti e ha simulato i dettagli solo quando un percorso sembrava un forte candidato. Questo approccio ha ridotto il tempo necessario per pianificare un percorso di circa il 79 percento nei test sul tavolo, facendo scendere il tempo di pianificazione da oltre due minuti a circa ventisei secondi. Nonostante questa accelerazione, il sistema ha comunque trovato esattamente lo stesso percorso ottimale di un metodo più lento ed esaustivo, dimostrando che la scorciatoia non aveva compromesso la sicurezza della soluzione.

Infine, i ricercatori hanno spostato il sistema da una simulazione al computer a un vero robot fisico per vedere come si sarebbe comportato nel mondo reale. Hanno allestito un ambiente di lavoro con oggetti reali, inclusi scatole, bottiglie e lattine, e hanno lasciato che il robot pianificasse ed eseguisse i suoi movimenti. Il robot ha navigato con successo tra l'ingombro, spingendo delicatamente gli oggetti a basso rischio per liberare un passaggio ed evitando quelli ad alto rischio. I test nel mondo reale hanno confermato che il sistema poteva gestire l'imprevedibilità degli oggetti fisici, come le lievi variazioni nel modo in cui una scatola scivola o una lattina rotola. Sebbene la simulazione abbia fornito la maggior parte dei dati, queste dimostrazioni nel mondo reale hanno mostrato che la logica regge anche quando il robot tocca effettivamente il mondo. Il lavoro non sostiene di aver risolto ogni problema di navigazione robotica, e i ricercatori osservano che i lavori futuri dovranno affrontare l'incertezza e le interazioni più complesse, ma stabilisce un nuovo modo chiaro di pensare al contatto.

La portata di questo lavoro risiede nella sua capacità di rendere i robot più adattabili ed efficienti negli ambienti umani. Trattando la collisione non come un fallimento ma come un rischio calcolato, i robot possono muoversi in modo più naturale e veloce attraverso spazi affollati. Non devono più fermarsi e chiedere il permesso per spostare un oggetto, né devono percorrere lunghi e tortuosi giri per evitarlo. Possono invece compiere un giudizio istantaneo basato sulla natura degli oggetti circostanti, scegliendo un percorso che potrebbe comportare una leggera spinta a una scatola di cartone per evitare la rottura catastrofica di un vaso di vetro. Questo approccio colma il divario tra la rigida sicurezza dei robot industriali e il movimento fluido e intuitivo degli esseri umani, suggerendo un futuro in cui i robot possano lavorare accanto a noi nelle nostre case e nei nostri uffici senza essere ostacolati proprio dal disordine che definisce quegli spazi.