Un team di scienziati nel campo della robotica e dell’intelligenza artificiale ha pubblicato su Science Robotics uno studio in cui un braccio robotico è stato istruito ad apprendere 1.000 compiti fisici diversi in meno di 24 ore, ciascuno mediante una sola dimostrazione umana. Le attività andavano dal posizionare oggetti al piegare, inserire, afferrare e manipolare oggetti comuni quotidiani, dimostrando capacità di generalizzazione mai viste prima in robot reali. Tradizionalmente, i robot necessitano di centinaia di esempi per apprendere anche gesti semplici, mentre questo metodo utilizza una nuova tecnica che suddivide le mansioni in fasi più semplici, una per l’allineamento con l’oggetto e l’altra per l’interazione. Grazie all’intelligenza artificiale e a un approccio chiamato ‘imitation learning’, il sistema riutilizza conoscenze acquisite da attività precedenti e le applica a nuove situazioni, senza dover ricominciare ogni volta da zero. La metodologia, denominata ‘Multi-Task Trajectory Transfer’, ha permesso di ottenere risultati nel mondo reale, non in simulazione, sottoponendo il robot a migliaia di test pratici, anche con oggetti mai visti prima. Questa ricerca rappresenta un progresso importante sul fronte dell’efficienza nell’apprendimento robotico, suggerendo una maggiore versatilità delle macchine e una possibile riduzione dei costi di programmazione e dei dati necessari. Le applicazioni potenziali spaziano dall’uso domestico, dove i robot potrebbero apprendere nuove mansioni attraverso semplici dimostrazioni, a settori come la sanità, la logistica e la produzione industriale. Si tratta di un cambio di paradigma: i robot non solo ripetono movimenti preimpostati, ma iniziano a imparare e ad adattarsi in modo più simile agli esseri umani.