Robotica
L’Università di Washington addestra robot con la simulazione AI
Tempo di lettura: 2 minuti. L’Università di Washington introduce RialTo e URDFormer, sistemi AI innovativi per addestrare robot in ambienti fisici complessi tramite simulazioni realistiche.
L’Università di Washington ha recentemente presentato due studi innovativi, RialTo e URDFormer, che potrebbero rivoluzionare il modo in cui i robot vengono addestrati a funzionare in ambienti fisici complessi. Utilizzando foto o video, questi sistemi di intelligenza artificiale sono in grado di creare simulazioni realistiche che possono addestrare i robot a operare nel mondo reale, riducendo significativamente i costi associati all’addestramento robotico. Questa tecnologia rappresenta un passo avanti importante per la robotica, consentendo un addestramento più efficiente e accessibile.
Il primo dei due sistemi, denominato RialTo, permette di creare una “replica digitale” di uno spazio fisico attraverso una semplice scansione con uno smartphone. Questo sistema genera una simulazione dettagliata in cui un robot può ripetere virtualmente movimenti e azioni, perfezionandoli attraverso piccole variazioni per migliorare l’efficacia. Ad esempio, in una cucina, RialTo permette di simulare l’apertura di cassetti e armadietti, consentendo al robot di apprendere come eseguire tali compiti in modo accurato e sicuro.
Parallelamente, il secondo sistema, chiamato URDFormer, sfrutta immagini raccolte da internet per creare simulazioni generiche di ambienti, come cucine, dove i robot possono essere addestrati in un’ampia gamma di scenari. Sebbene queste simulazioni siano meno precise rispetto a quelle generate da RialTo, consentono comunque un pre-addestramento rapido e a basso costo su centinaia di situazioni diverse.
RialTo: replica Digitale per un addestramento avanzato
RialTo, sviluppato in collaborazione con il MIT, utilizza una combinazione di modelli di intelligenza artificiale e interventi umani per creare una simulazione dettagliata di uno spazio fisico. Attraverso un semplice video girato con uno smartphone, il sistema è in grado di generare una versione simulata dell’ambiente, in cui un robot può essere addestrato a compiere compiti specifici, come aprire un forno o spostare oggetti. Questo metodo, noto come “reinforcement learning”, consente al robot di migliorare progressivamente le proprie abilità attraverso tentativi ed errori.
La capacità di RialTo di simulare con precisione ambienti complessi lo rende particolarmente utile per addestrare robot a operare in ambienti domestici, dove la disposizione degli oggetti e le condizioni cambiano costantemente. L’obiettivo del team di ricerca è quello di implementare RialTo nelle case reali, migliorando ulteriormente l’accuratezza del sistema con dati raccolti direttamente nel mondo reale.
URDFormer: simulazioni rapide e versatili per un addestramento estensivo
URDFormer, invece, si focalizza sulla creazione di simulazioni generiche utilizzando immagini disponibili online. Questo sistema è in grado di generare rapidamente un’ampia varietà di ambienti simulati, permettendo ai robot di essere addestrati su una vasta gamma di scenari diversi. Anche se le simulazioni di URDFormer non sono altrettanto precise quanto quelle di RialTo, esse offrono un metodo economico per pre-addestrare robot in un’ampia gamma di situazioni prima di passare a simulazioni più dettagliate o a test nel mondo reale.
L’integrazione dei due sistemi rappresenta una soluzione completa per l’addestramento dei robot. Mentre URDFormer permette di addestrare i robot su larga scala in ambienti generici, RialTo fornisce la precisione necessaria per operare in ambienti specifici con un alto grado di accuratezza.
Questi sviluppi segnano un importante passo avanti nella robotica, offrendo nuovi strumenti per l’addestramento dei robot in ambienti complessi e dinamici come le case. Con l’utilizzo di RialTo e URDFormer, l’addestramento dei robot diventa più accessibile, economico e sicuro, aprendo la strada a una più ampia adozione della tecnologia robotica nella vita quotidiana.
Robotica
AI riconosce i pattern cerebrali legati a specifici comportamenti
Tempo di lettura: 2 minuti. Un nuovo algoritmo AI sviluppato da USC separa i pattern cerebrali legati a comportamenti specifici, migliorando le interfacce cervello-computer.
Un team di ricercatori guidato da Maryam Shanechi, direttrice del USC Center for Neurotechnology, ha sviluppato un algoritmo di intelligenza artificiale (AI) capace di separare i pattern cerebrali legati a comportamenti specifici. Questo progresso apre nuove possibilità per le interfacce cervello-computer, con applicazioni che potrebbero migliorare la qualità della vita dei pazienti paralizzati. Il lavoro è stato pubblicato sulla rivista Nature Neuroscience.
Come l’AI distingue i comportamenti nel cervello
Il cervello umano codifica simultaneamente molteplici comportamenti, come i movimenti del corpo o stati interni come la fame. Questa codifica simultanea rende difficile identificare i pattern associati a un comportamento specifico, come il movimento di un braccio, da tutto il resto dell’attività cerebrale. Per esempio, per ripristinare la funzione motoria nei pazienti paralizzati, le interfacce cervello-computer devono decodificare l’intenzione di movimento dal cervello e tradurla in azioni, come muovere un braccio robotico.
L’algoritmo DPAD (Dissociative Prioritized Analysis of Dynamics), sviluppato da Shanechi e dal suo ex studente di dottorato Omid Sani, affronta questo problema separando i pattern cerebrali legati a un comportamento specifico dagli altri pattern presenti. Ciò permette una decodifica più precisa dei movimenti e potrebbe migliorare notevolmente l’efficacia delle interfacce cervello-computer.
Applicazioni future per disturbi del movimento e della salute mentale
L’algoritmo DPAD non si limita al riconoscimento dei movimenti, ma può potenzialmente essere utilizzato per decodificare stati mentali come dolore o depressione. Questo potrebbe aprire la strada a nuovi trattamenti per disturbi della salute mentale, consentendo un monitoraggio più preciso dei sintomi e adattando le terapie in base ai bisogni dei pazienti.
L’algoritmo AI DPAD di Shanechi e il suo team rappresenta un importante passo avanti nel campo delle interfacce cervello-computer, con potenziali applicazioni non solo per i disturbi motori, ma anche per la salute mentale.
Robotica
Muscoli artificiali permettono ai robot di camminare e saltare
Tempo di lettura: 2 minuti. I ricercatori di ETH Zurigo hanno sviluppato muscoli artificiali per una gamba robotica che cammina e salta, offrendo efficienza energetica superiore ai motori elettrici.
Un team di ricercatori di ETH Zurigo ha sviluppato una gamba robotica in grado di camminare e saltare grazie all’uso di muscoli artificiali. Questa innovazione utilizza degli attuatori elettro-idraulici, che si comportano in modo simile ai muscoli biologici. Gli attuatori sono costituiti da sacchetti di plastica riempiti d’olio, rivestiti su entrambi i lati da elettrodi conduttivi. Quando viene applicata una tensione, gli elettrodi si avvicinano, creando un effetto elettrostatico che riduce la lunghezza del sacchetto, simulando la contrazione muscolare.
Questo sistema, combinato con una struttura scheletrica, permette alla gamba robotica di riprodurre i movimenti muscolari naturali, con una coppia di attuatori che si contrae e si allunga alternativamente, come avviene nei muscoli viventi. Il controllo dei movimenti è gestito da un codice informatico che comunica con amplificatori ad alta tensione, coordinando la contrazione e l’estensione degli attuatori.
Efficienza energetica superiore ai motori elettrici
Un aspetto rivoluzionario di questa tecnologia è l’efficienza energetica. I ricercatori hanno confrontato la gamba robotica con muscoli artificiali con una tradizionale alimentata da un motore elettrico. L’analisi ha dimostrato che il sistema elettro-idraulico consuma meno energia e genera meno calore rispetto ai motori elettrici. Questo perché i muscoli artificiali utilizzano l’elettrostatica, evitando la dissipazione di calore che i motori elettrici richiedono per il loro funzionamento. Di conseguenza, non sono necessari dispositivi di raffreddamento come dissipatori di calore o ventole.
Il sistema di muscoli artificiali sviluppato da ETH Zurigo non solo migliora l’efficienza energetica, ma rappresenta un passo avanti verso la creazione di robot più agili e autonomi, che potrebbero trovare applicazione in campi come la robotica assistiva e la riabilitazione.
Robotica
Le persone si affidano all’IA nelle scelte di vita o di morte
Uno studio recente condotto dall’Università della California, Merced, ha rivelato che le persone tendono a fidarsi eccessivamente dell’intelligenza artificiale (IA) quando si trovano di fronte a scelte di vita o di morte, anche quando l’IA è chiaramente inaffidabile. I risultati sollevano preoccupazioni etiche e pratiche sull’uso dell’IA in situazioni ad alto rischio.
In questo studio, i partecipanti sono stati posti di fronte a una simulazione che implicava decisioni potenzialmente letali, come evitare o lanciare un attacco con droni. Nonostante i soggetti fossero consapevoli che la loro decisione avrebbe potuto provocare la morte di civili innocenti, molti di loro hanno comunque cambiato idea seguendo i consigli dell’IA, anche quando l’IA dava suggerimenti poco affidabili.
I ricercatori hanno utilizzato diversi tipi di robot: alcuni con aspetto umanoide, altri più semplici e meccanici. Sebbene i soggetti fossero leggermente più influenzati dai robot con aspetto umano, la tendenza generale a fidarsi delle indicazioni dell’IA è rimasta costante, indipendentemente dall’aspetto del robot. I partecipanti hanno modificato le loro decisioni circa due terzi delle volte quando l’IA suggeriva di farlo.
L’importanza della consapevolezza etica nell’uso dell’IA
Questo studio mette in evidenza un problema fondamentale: l’intelligenza artificiale, nonostante i suoi enormi progressi tecnologici, spesso non è equipaggiata con valori etici o una vera comprensione del mondo. I ricercatori avvertono che l’affidarsi all’IA in contesti cruciali, come le decisioni militari o mediche, potrebbe portare a risultati devastanti, soprattutto quando l’IA si dimostra inaffidabile.
Il problema non è limitato alle sole decisioni militari: le implicazioni di questo studio si estendono anche ad altri settori, come l’uso della forza letale da parte della polizia o le scelte sanitarie effettuate dai paramedici in situazioni di emergenza. L’affidamento indiscriminato all’IA potrebbe condurre a conseguenze non volute, in cui l’umanità perde il controllo sulle decisioni più delicate.
Necessità di un uso responsabile dell’IA
I risultati dello studio evidenziano l’urgenza di affrontare le implicazioni etiche dell’uso dell’IA soprattutto per questioni rischiose dove c’è in gioco la vita e la morte. Le persone tendono a fidarsi eccessivamente di queste tecnologie, anche in situazioni in cui l’incertezza e i rischi sono elevati. L’integrazione dell’IA nelle nostre vite richiede cautela e un’adeguata comprensione dei limiti della tecnologia.
- Tech1 settimana fa
Qualcomm Snapdragon 6 Gen 3: alte prestazioni economiche
- Smartphone1 settimana fa
Moto G55 e Moto G35: 50MP e batteria da 5000mAh
- Smartphone1 settimana fa
OnePlus 13: anticipazioni su batteria da 6000mAh
- Tech1 settimana fa
Android: Recorder con Gemini Nano, Ultra HDR e Studio Koala
- Smartphone1 settimana fa
Redmi Note 14 5G: certificazione completata e lancio globale
- Tech1 settimana fa
Debian rilascia aggiornamenti 12.7 e 11.11: novità e miglioramenti
- Tech1 settimana fa
Apple: nuova Magic Keyboard per iPad e Macs con Chip M4
- Tech1 settimana fa
AirTags, scoperta shock a Houston: la plastica non è riciclata