1. Che cos'è l'IA incarnata

1.1 Definizione

L'IA incarnata integra l'intelligenza artificiale in sistemi fisici, come robot e veicoli intelligenti. Attraverso un corpo, usa un anello chiuso di percezione, decisione e azione per interagire dinamicamente con il mondo reale.

La definizione contiene tre idee:

• Corpo: l'agente dispone di sensori e attuatori per osservare e modificare l'ambiente. Di solito è un robot reale; nella ricerca e nell'addestramento può anche essere virtuale, in simulazione.
• Interazione: le azioni cambiano l'ambiente e questi cambiamenti determinano l'osservazione successiva.
• Anello chiuso: percezione, decisione e azione si ripetono continuamente. L'agente non si limita a guardare una volta e produrre una risposta.

1.2 Il ciclo di percezione, decisione e azione

Un robot che gioca a calcio deve segnare mantenendo l'equilibrio:

IA incarnata · Informazione e azione

Dall'osservare il mondo al cambiarlo

Seleziona una fase per esplorarne ingressi, elaborazione e uscite.

Ciclo continuo

Dentro il robot

Mondo esterno

Nuove osservazioni e retroazioneOsserva di nuovo e correggi l'azione successiva

01Percezione e comprensione

Qual è lo stato del mondo e del robot?

Ingresso

Immagini della telecamera, angoli articolari e postura del corpo.

Elaborazione

Rileva pallone, porta e portiere e stimane la posizione rispetto al robot.

Uscita

Una stima dello stato della scena e del robot.

Sul campo da calcioVedere il pallone davanti e il portiere che copre il lato destro della porta.

Una vista del flusso di informazioni: in un robot reale queste fasi funzionano continuamente a frequenze diverse.

Il ciclo si ripete durante tutto il tiro e ogni fase ha il proprio ritmo: la visione può rilevare pallone e porta decine di volte al secondo, mentre i controllori articolari possono aggiornarsi centinaia o migliaia di volte al secondo.

Nella demo 3D puoi ruotare la vista e cambiare la velocità per seguire il ciclo passo dopo passo:

Calcio robotico · Un anello chiuso in 3D

Insegna a un robot a segnare un gol

Robot che tiraPortiere

Preparazione del campo 3D…

Le nuove osservazioni tornano alla percezione

PercezioneLa telecamera riprende il campo e identifica pallone, porta e portiere.

Riproduci la demo o seleziona una fase per esplorarla passo dopo passo. Spostare il portiere riavvia la demo. Osserva come cambia la direzione del tiro. Il movimento è semplificato per illustrare l'anello chiuso.

«Percezione, decisione e azione» è una descrizione funzionale. Un sistema reale può usare più moduli che collaborano o un unico modello con più ruoli.

1.3 Un corpo cambia il problema

Molti sistemi di IA elaborano dati già raccolti: ricevono un'immagine e producono un'etichetta, oppure ricevono testo e generano una risposta. Un agente incarnato deve agire nel proprio ambiente, con differenze fondamentali:

Aspetto	IA che elabora dati statici	IA incarnata
Origine dei dati	Dataset esistenti ricevuti passivamente	Le proprie azioni determinano l'osservazione successiva
Uscita	Etichette, testo o immagini	Azioni che influenzano il mondo fisico
Costo degli errori	In genere si può generare di nuovo	Cadute, rotture o collisioni, spesso irreversibili
Tempi	Può calcolare offline; una maggiore lentezza è accettabile	Deve agire entro il ciclo di controllo o perde equilibrio e opportunità
Scala dei dati	Enormi quantità di testo e immagini online	Dati di interazione da raccogliere appositamente, costosi e scarsi

Questo spiega perché i grandi modelli migliorano rapidamente nella conversazione e nella scrittura, mentre piegare vestiti o svolgere lavori domestici in modo affidabile rimane difficile. Il capitolo 5 esamina questi problemi.

Il paradosso di Moravec

Nel 1988 Hans Moravec osservò che era relativamente facile portare un computer al livello di un adulto nei test di intelligenza o nella dama, ma difficile o impossibile dargli percezione e mobilità di un bambino di un anno. L'osservazione è nota come paradosso di Moravec.

La sua spiegazione era che percezione e movimento derivano da un'evoluzione lunghissima: sono così ottimizzati che li eseguiamo senza sforzo, senza accorgerci della loro difficoltà. Il ragionamento astratto è apparso molto più tardi ed è più facile da esprimere con regole. Per questo azioni apparentemente semplici, come prendere una tazza mai vista o restare in equilibrio su un pavimento scivoloso, possono essere le più difficili.

1.4 Il corpo determina cosa si può imparare

Lo stesso algoritmo può comportarsi diversamente su corpi diversi:

• I sensori determinano le osservazioni: una telecamera dall'alto può non vedere i dettagli vicini alla pinza; una sul polso facilita la manipolazione ravvicinata.
• Gli attuatori determinano le azioni: una pinza parallela è adatta a oggetti regolari; far ruotare una penna nella mano o svitare un tappo richiede una mano più abile.
• La forma determina dove si può andare: le ruote sono efficienti su terreno piano ma non salgono le scale; le zampe superano ostacoli, ma sono più difficili da controllare.

Prima di discutere un metodo, specifica su quale corpo funziona. Il capitolo 4 presenta le piattaforme comuni.

1.5 IA incarnata e robotica

I robot sono la piattaforma principale dell'IA incarnata. I due campi si sovrappongono, ma danno enfasi ad aspetti diversi:

• La robotica studia progettazione, modellazione, percezione, pianificazione e controllo, fornendo cinematica, dinamica, stima dello stato e teoria del controllo.
• L'IA incarnata enfatizza l'interazione tra intelligenza, corpo e ambiente: come apprendere compiti attraverso l'interazione e generalizzare a nuovi oggetti, ambienti e istruzioni.

La ricerca combina normalmente modellazione e controllo robotici con metodi di apprendimento automatico basati sui dati. I fondamenti coprono entrambi gli aspetti.

Sono spesso inclusi anche veicoli autonomi, droni e agenti virtuali che apprendono navigazione o manipolazione in simulazione. Questo sito si concentra sui robot.

Riepilogo

• L'IA incarnata studia agenti che usano un corpo per interagire e completare compiti con percezione, decisione e azione ad anello chiuso.
• Deve raccogliere informazioni attivamente, affrontare conseguenze fisiche, rispettare vincoli di tempo reale e gestire dati scarsi.
• Il corpo determina osservazioni, azioni e ambienti raggiungibili. Va specificato quando si discute un metodo.

Per continuare

• 2. Breve storia: le origini del campo.
• Fondamenti: moduli di decisione, controllo, percezione e ingegneria.

Riferimenti

1. NVIDIA: What is embodied AI?
2. Hans Moravec. Mind Children: The Future of Robot and Human Intelligence. Harvard University Press, 1988.