Runtime Safety Filtering for Two-Terminal Hazards in Robotic Battery Recycling

I robot stanno imparando a svolgere lavori delicati, come la selezione e il riciclo delle batterie che alimentano il nostro mondo moderno. Per istruirli, i ricercatori utilizzano spesso l'intelligenza artificiale che impara osservando video di esseri umani che eseguono compiti. Questi sistemi, noti come modelli visione-linguaggio-azione, possono capire come raccogliere una batteria o spostare uno strumento semplicemente guardando una scena e comprendendo un'istruzione semplice. Tuttavia, esiste un divario tra ciò che questi sistemi intelligenti sanno e ciò che possono fare in sicurezza. Un robot potrebbe capire che deve spostare una batteria dal punto A al punto B, ma potrebbe non rendersi conto che spostarla troppo vicino a una specifica parte metallica potrebbe causare un pericoloso cortocircuito. Per colmare questo divario, gli ingegneri utilizzano un "filtro di sicurezza". Pensate a questo filtro come a un supervisore vigile che sta tra il cervello del robot e i suoi muscoli. Il supervisore osserva ogni movimento che il robot pianifica di compiere. Se un movimento sembra che violerà una regola di sicurezza, il superviso lo ferma e dice al robot di fare qualcos'altro invece. La sfida è capire esattamente cosa costituisce un movimento pericoloso e decidere cosa debba fare il robot quando gli viene ordinato di fermarsi.

Nel caso specifico del riciclo delle batterie, il pericolo è unico. Una cella di una batteria ha due terminali metallici, uno positivo e uno negativo. Se un pezzo di metallo, come il rivestimento della batteria stessa o uno strumento, tocca entrambi i terminali contemporaneamente, crea un ponte che permette alla corrente di fluire dove non dovrebbe, causando un cortocircuito. Questo è diverso da una collisione standard, dove colpire un singolo oggetto è il problema. Qui, il pericolo esiste solo se il robot si avvicina a entrambi i terminali simultaneamente. Un robot potrebbe essere molto vicino a un terminale ed essere perfettamente al sicuro, ma nel momento in cui si avvicina al secondo pur rimanendo vicino al primo, il rischio appare. Ricercatori della National University of Singapore e di diverse università australiane si sono posti l'obiettivo di testare come sia meglio programmare questi supervisori di sicurezza per gestire questo specifico pericolo a "due terminali". Volevano sapere se il modo in cui il pericolo viene definito conti più di ciò che il robot fa quando viene fermato.

Il team ha costruito un ambiente simulato utilizzando una piattaforma di test robotica standard chiamata LIBERO, dove un braccio robotico doveva spostare un articolo alimentare, che fungeva da sostituto per una parte conduttiva di una batteria, attraverso un banco da lavoro. Hanno programmato il robot con una politica di IA congelata, il che significa che il cervello decisionale del robot era fisso e non poteva apprendere nuovi trucchi durante il test. I ricercatori hanno poi testato diverse versioni del filtro di sicurezza. Per prima cosa, hanno provato diversi modi per definire la "zona di pericolo". Una versione utilizzava una regola semplice: stare lontani da ciascun terminale. Un'altra utilizzava una regola più complessa: stare lontani dall'area in cui è possibile toccare entrambi i terminali contemporaneamente. Hanno anche testato un approccio ibrido che combinava entrambe le regole. Fondamentalmente, non hanno testato queste regole solo a una distanza fissa. Hanno regolato il "margine", ovvero la zona cuscinetto, per ogni regola per vedere quanto spazio fosse necessario per mantenere il robot al sicuro senza fermarlo troppo spesso.

Ciò che hanno scoperto è stato sorprendente. Quando hanno regolato le zone cuscinetto per ogni regola al fine di trovare il miglior equilibrio tra sicurezza e completamento del compito, tutte e tre le definizioni della zona di pericolo hanno ottenuto prestazioni quasi identiche. Che il supervisore cercasse una semplice regola di "stare lontano da uno" o una regola complessa di "stare lontano da entrambi", i risultati erano quasi identici una volta che la distanza era stata tarata correttamente. Questo suggerisce che la forma specifica della regola di sicurezza è meno importante del fatto di regolare correttamente la distanza. La vera differenza risiedeva in ciò che il robot faceva quando il supervisore diceva "stop".

I ricercatori hanno testato quattro diversi modi in cui il robot può reagire quando un movimento viene rifiutato. Il primo era quello di stare semplicemente fermi, congelando il robot sul posto. Il secondo era quello di "ritirarsi", muovendo il robot all'indietro lontano dal pericolo. Il terzo era la "ricerca per campionamento", in cui il robot provava alcuni movimenti leggermente diversi per vedere se uno fosse sicuro. Il quarto era una proiezione matematica complessa che cercava di trovare il movimento più sicuro che fosse comunque molto vicino a ciò che il robot voleva originariamente fare. I risultati hanno mostato che la strategia di "stare fermi" era la peggiore. Impediva al robot di completare il suo compito circa il 30% in più rispetto alla strategia di "ritirarsi", senza rendere l'ambiente effettivamente più sicuro. Il robot restava semplicemente lì, fallendo nel completare il lavoro. D'altro canto, le strategie che cercavano di essere minimamente invasive, come la proiezione matematica o la ricerca per campionamento, permettevano al robot di completare il compito più spesso, ma lasciavano un rischio molto più elevato che il robot si avvicinasse troppo alla zona di pericolo. La strategia di "ritirarsi", che allontanava chiaramente il robot dal pericolo, offriva il miglior equilibrio: manteneva il robot al sicuro e gli permetteva di completare il compito quasi altrettanto spesso di quanto farebbe il robot non filtrato.

Lo studio ha anche esaminato come questi filtri si comportano quando il robot commette errori o quando l'ambiente cambia. Hanno testato il sistema con una diversa politica robotica e diverse forme di batterie, e la strategia di "ritirarsi" è rimasta la più efficace. Hanno persino simulato errori nella misurazione delle distanze da parte del robot. Hanno scoperto che se il robot sbagliava la dimensione dell'oggetto che stava impugnando, il filtro di sicurezza diventava molto meno efficace rispetto a se avesse sbagliato solo leggermente la posizione dei terminali. Questo evidenzia che conoscere la dimensione del carico utile è critico quanto sapere dove si trovano i pericoli. Inoltre, hanno scoperto che un sistema di sicurezza che controlla solo il contatto fisico fallirebbe completamente. Molti dei momenti pericolosi accadevano quando l'oggetto era ancora a pochi millimetri dai terminali, una distanza troppo piccola per toccarli ma sufficiente a causare un cortocircuito. Un monitor basato sul contatto avrebbe mancato completamente questi eventi.

In definitiva, questa ricerca dimostra che per i robot che maneggiano materiali pericolosi, la parte più importante del sistema di sicurezza non è necessariamente la matematica complessa usata per definire il pericolo, ma piuttosto la decisione semplice e chiara di cosa fare quando il pericolo viene rilevato. Un supervisore che dice a un robot di fare un passo indietro è molto più efficace di uno che gli dice di immobilizzarsi o di uno che cerca di spingerlo solo leggermente di lato. Lo studio, condotto interamente in una simulazione ad alta fedeltà, fornisce una tabella di marcia chiara per la costruzione di robot più sicuri. Suggerisce che gli ingegneri dovrebbero concentrarsi meno sull'invenzione di nuove e complesse regole geometriche per il pericolo e più sulla scelta di una strategia di reazione robusta e chiara che allontani il robot dal rischio pur permettendogli di completare il proprio lavoro. Mentre il mondo si muove verso l'automazione del riciclo di milioni di batterie, queste scoperte offrono una guida pratica per garantire che le macchine che svolgono il lavoro non causino accidentalmente proprio i pericoli che dovrebbero gestire.