Il problema nascosto del lavoro dietro il boom dei robot umanoidi

Punti chiave

• Le aziende di robotica umanoide hanno raccolto miliardi di dollari negli ultimi 18 mesi, gran parte finanziando programmi su larga scala di teleoperazione umana.
• I dataset di teleoperazione, dove gli umani si registrano mentre eseguono compiti per insegnare ai robot, sono più di 100.000 volte più piccoli dei dataset utilizzati per addestrare i modelli di linguaggio odierni.
• Lavoratori in Cina, India, Europa e Stati Uniti sono assunti per filmare compiti domestici e far funzionare robot da remoto, formando un'industria commerciale di fornitura dati.
• Nikita Rudin, co-fondatore e CEO della startup di robotica Flexion, sostiene che l'apprendimento per rinforzo in simulazione è l'unico approccio che può rompere la dipendenza dai dati di dimostrazione umana.
• Flexion ha raccolto 50 milioni di dollari di finanziamenti da DST Global e NVentures per costruire quello che Rudin chiama un "cervello" per robot umanoidi ad uso generale.

La promessa dei robot umanoidi è sempre stata diretta: gli umani non saranno in grado di ricoprire certi lavori in futuro, quindi i robot prenderanno il loro posto. Ma un articolo di opinione pubblicato da The Robot Report questa settimana solleva una domanda scomoda. E se i robot stessi avessero bisogno di un'offerta permanente di lavoratori umani solo per funzionare?

Il problema è la teleoperazione. È quando un operatore umano, spesso seduto lontano, controlla un robot attraverso un dispositivo remoto, come potresti sterzare un'auto giocattolo con un controller. Ogni movimento viene registrato. Poi il robot studia quel video e cerca di imitarlo.

Insegnare a un robot in questo modo sembra sensato. Il problema, secondo Nikita Rudin, che ha completato il suo dottorato presso il Robotic Systems Lab dell'ETH Zurich e ha lavorato su strumenti di simulazione robotica presso Nvidia, è che si scala terribilmente.

Uno scaffale si muove. Una maniglia della porta è leggermente diversa. Una nuova forma di scatola arriva su un pavimento di fabbrica. Ogni piccolo cambiamento significa che qualcuno deve filmare il compito di nuovo da zero. Il mondo reale non smette mai di cambiare, e la forza lavoro umana che genera dimostrazioni non può mai stare al passo.

Anche la qualità di quei dati è precaria. Gli operatori che controllano un robot da remoto non possono sentire quello che il robot sta toccando o giudicare la distanza con precisione, quindi si muovono lentamente e sovracorreggono. Il robot poi impara dal video di qualcuno che fatica con un controller, e la fatica è esattamente quello che pratica.

Avranno più operatori umani davvero risolto questo?

No, e questo è il nucleo dell'argomento di Rudin. Traccia un confronto netto con i primi giorni dei grandi modelli linguistici, la tecnologia AI dietro chatbot come ChatGPT. Quei primi modelli erano addestrati su enormi quantità di testo e potevano imitare vagamente lo stile di Shakespeare, ma non potevano effettivamente ragionare. Il vero salto è arrivato attraverso l'apprendimento per rinforzo, un metodo di addestramento dove il software impara provando, fallendo, aggiustando e riprovando attraverso milioni di tentativi, senza che nessun umano gli dica cosa fare ad ogni passo.

Rudin sostiene che la robotica umanoide è bloccata in quella fase iniziale, solo per imitazione. Più dati di teleoperazione significa solo più imitazione a un costo massiccio.

L'alternativa che descrive è l'apprendimento per rinforzo all'interno di simulazioni al computer. Il software di un robot può fallire milioni di volte in un mondo virtuale, ripristinarsi istantaneamente e riprovare, eseguendo in parallelo su molti computer contemporaneamente. Più potenza computazionale significa direttamente un progresso più veloce. Questa è un'equazione molto diversa dall'assumere più lavoratori in paesi con salari più bassi per filmarsi mentre fanno il bucato.

Per le persone che svolgono il lavoro di teleoperazione oggi, e per gli investitori che finanziano queste aziende, la sfida di Rudin è diretta: se l'autonomia del robot è genuinamente l'obiettivo, i dati dovrebbero mostrare che il coinvolgimento umano diminuisce nel tempo. Se non diminuisce, la teleoperazione ha smesso di essere un ponte ed è silenziosamente diventata il metodo permanente.