Un team di ricercatori australiani ha progettato una strategia affidabile per testare le capacità fisiche dei robot umanoidi, robot che assomigliano alla forma del corpo umano nella costruzione e nel design. Utilizzando una combinazione di metodi e algoritmi di apprendimento automatico, il team di ricerca è riuscito a consentire ai robot di prova di reagire efficacemente ai cambiamenti sconosciuti nell'ambiente simulato, migliorare le loro probabilità di funzionare nel mondo reale.

Le scoperte, che sono stati pubblicati in una pubblicazione congiunta dell'IEEE e dell'Associazione cinese di automazione Journal of Automatica Sinica nel mese di luglio, hanno implicazioni promettenti nell'ampio uso di robot umanoidi in campi come l'assistenza sanitaria, formazione scolastica, risposta ai disastri e intrattenimento.

"I robot umanoidi hanno la capacità di muoversi in molti modi e quindi imitare i movimenti umani per completare compiti complessi. Per poterlo fare, la loro stabilità è essenziale, soprattutto in condizioni dinamiche e imprevedibili, " ha detto l'autore corrispondente Dacheng Tao, Professore e ARC Laureate Fellow presso la School of Computer Science e la Facoltà di Ingegneria dell'Università di Sydney.

"Abbiamo progettato un metodo che insegna in modo affidabile ai robot umanoidi a essere in grado di eseguire questi compiti, "aggiunse Tao, che è anche il direttore inaugurale dell'UBTECH Sydney Artificial Intelligence Centre.

I robot umanoidi sono robot che assomigliano agli attributi fisici degli umani:la testa, un busto, e due braccia e piedi, e possiede la capacità di comunicare con umani e altri robot. Dotato di sensori e altri dispositivi di input, questi robot svolgono anche attività limitate in base all'input esterno.

In genere sono pre-programmati per attività specifiche e si basano su due tipi di metodi di apprendimento:basati su modelli e privi di modelli. Il primo insegna a un robot una serie di modelli che può utilizzare per comportarsi in uno scenario, mentre quest'ultimo no. Sebbene entrambi i metodi di apprendimento abbiano avuto successo in una certa misura, ogni paradigma da solo non si è dimostrato sufficiente per dotare un robot umanoide di comportarsi in uno scenario del mondo reale in cui l'ambiente cambia costantemente e spesso in modo imprevedibile.

Per superare questo, Tao e il suo team hanno introdotto una nuova struttura di apprendimento che incorpora parti dell'apprendimento sia basato su modello che senza modello per bilanciare un bipede, o a due zampe, robot. Il metodo di controllo proposto colma il divario tra i due paradigmi di apprendimento, dove il passaggio dall'apprendimento del modello all'apprendimento della procedura effettiva è stato completato senza problemi. I risultati della simulazione mostrano che l'algoritmo proposto è in grado di stabilizzare il robot su una piattaforma mobile sotto rotazioni sconosciute. Come tale, questi metodi dimostrano che i robot sono in grado di adattarsi di conseguenza a diverse situazioni imprevedibili e possono quindi essere applicati a robot al di fuori dell'ambiente di laboratorio.

Nel futuro, i ricercatori sperano di convalidare il loro metodo in ambienti più complessi con variabili più imprevedibili e mutevoli e con dimensioni variabili mentre testano le capacità dei robot di esercitare il controllo completo del corpo.

"Il nostro obiettivo finale sarà vedere come il nostro metodo consente al robot di avere il controllo su tutto il suo corpo poiché è esposto a disturbi non misurabili e inaspettati come un terreno che cambia. Vorremmo anche vedere la capacità del robot di imparare a imitare movimento umano, come il movimento dell'articolazione della caviglia, senza essere stata informata preventivamente".