I robot hanno bisogno di sentire l'attrito per comprendere veramente il mondo fisico

Punti chiave

• Contactile, un'azienda di sensori tattili, propone una nuova classe di modelli AI chiamata VμA (vision-mu-action) che fornisce ai robot dati di attrito in tempo reale insieme alla visione della telecamera.
• I modelli AI attuali dei robot perdono una grandezza fisica fondamentale: il coefficiente di attrito statico (mu), che determina se un oggetto afferrato scivola o rimane saldo.
• Il sensore PapillArray di Contactile calcola l'attrito e lo stato di scorrimento direttamente al sensore, senza ritardi di elaborazione, in tempo reale.
• Il divario tra l'addestramento della simulazione robotica e le prestazioni nel mondo reale è attribuito in gran parte all'assenza della fisica dell'attrito negli ambienti di addestramento.

Un braccio robotico si estende dentro una scatola, afferra una bottiglia bagnata e la lascia cadere. La telecamera ha visto la bottiglia. I giunti hanno sentito il carico. Ma nessuno dei due ha detto al robot quanto fosse scivolosa la superficie. Questo singolo fatto mancante è il motivo per cui i sistemi di presa robotici falliscono ancora su compiti che un bambino piccolo gestisce senza pensarci.

Contactile, un'azienda australiana di sensori, sostiene in un nuovo articolo tecnico riportato per la prima volta da The Robot Report che questo divario è più profondo di quanto chiunque abbia risolto. Il problema si trova all'interno dei modelli AI che i robot usano per ragionare sul mondo.

Che cos'è un modello del mondo e perché ha bisogno dell'attrito?

Un modello del mondo è l'immagine interna del robot della realtà fisica: un software che predice cosa accadrà dopo in modo che il robot possa pianificare. Immagina il robot che si chiede: "Se stringerò un po' più forte, questo uovo si romperà?". Un buon modello del mondo significa che il robot non deve memorizzare ogni compito. Può ragionare attraverso i nuovi.

Ma un modello del mondo è valido solo quanto le informazioni con cui inizia. I modelli odierni si basano principalmente su due input: immagini da telecamere e posizioni articolari dai motori del robot stesso. Per muoversi nello spazio aperto, va bene. Per afferrare e manipolare oggetti, non lo è.

Il numero mancante è chiamato coefficiente di attrito statico, scritto come mu. È il valore fisico che decide se un oggetto afferrato rimane afferrato. Cambia a seconda del materiale, se la superficie è bagnata, consumata o rivestita, e della temperatura. Una telecamera non può vederlo. Le correnti dei motori non possono calcolarlo accuratamente. Una mappa di pressione può dirti che qualcosa viene afferrato, ma non se la presa sta per fallire.

Senza mu, il modello del mondo di un robot ragiona da un'immagine incompleta della realtà. Può imparare modelli dai dati di addestramento, ma non può trasferire in modo affidabile queste lezioni a un nuovo oggetto o a una superficie cambiata, perché la variabile che governa il successo della presa semplicemente non è presente.

Il sensore che misura ciò che le telecamere non possono

Il modulo di calcolo tattile PapillArray di Contactile è un array di sensori delle dimensioni di un polpastrello che si trova sulla pinza del robot. Ogni piccolo punto di rilevamento, chiamato taxel, misura la forza in tutte e tre le direzioni. Il sensore calcola quindi mu direttamente, in tempo reale, al sensore stesso senza inviare prima i dati a un computer separato.

Gli output includono la forza 3D completa in ogni taxel, la forza e la coppia complessiva sulla zona di contatto, il valore di attrito attuale, se ogni punto sta scorrendo o tenendo, e la forza di presa minima necessaria per prevenire una caduta. Questi sono radicati nella fisica del contatto, non sono ipotesi apprese.

Contactile propone di denominare modelli che utilizzano questo stack di segnali completo VμA: vision-mu-action. Le generazioni di modelli precedenti hanno ricevuto i propri nomi quando un nuovo input è diventato abbastanza importante. I modelli vision-language-action (VLA) hanno aggiunto il linguaggio naturale all'apprendimento robotico. I modelli vision-force-action (VFA) hanno aggiunto la forza. VμA aggiunge la fisica dell'attrito effettiva che è stata assente da ogni approccio precedente.

Sul lato dell'addestramento, i dati VμA arricchiscono i dataset con segnali fisici causali piuttosto che proxy statistici. Sul lato della distribuzione, un robot equipaggiato con un PapillArray conosce il valore di attrito di ciò che sta tenendo in questo momento e può adattare la sua presa istantaneamente se le condizioni cambiano. Nessuna ipotesi. Nessun workaround di randomizzazione del dominio.

Per le industrie in cui i robot manipolano prodotti bagnati, imballaggi rivestiti o materiali variabili, ottenere la giusta fisica della presa non è una curiosità di ricerca. È la differenza tra una linea di produzione funzionante e una che ha bisogno di una correzione umana costante.