XYZ ha migliorato le prestazioni del proprio sistema di intelligenza robotica Brain X portando da circa 50 a circa 25 secondi il tempo necessario a un robot per completare un’operazione di piegatura degli abiti. Il risultato è stato ottenuto senza limitarsi ad accelerare la riproduzione dei movimenti già appresi, ma intervenendo congiuntamente sulle fasi di inferenza del modello, esecuzione del movimento e controllo del robot. Anche operando a velocità doppia, il sistema ha mantenuto un tasso di successo del 96%, con una qualità finale della piegatura sostanzialmente paragonabile a quella ottenuta alla velocità precedente e senza evidenti aumenti di pieghe indesiderate, accumuli del tessuto o deformazioni del capo.
La manipolazione di tessuti rappresenta un problema particolarmente complesso per la robotica perché gli abiti non mantengono una geometria costante e il loro comportamento varia continuamente in funzione di attrito, scivolamento, gravità e punti di presa. L’aumento della velocità di esecuzione tende inoltre ad amplificare errori di traiettoria e vibrazioni, riducendo la precisione dei movimenti e la probabilità di completare correttamente l’operazione. Per affrontare questo problema, XYZ ha addestrato il proprio modello di piegatura utilizzando il robot R1 Pro Lite della cinese Galaxea e ha successivamente ottimizzato l’intera pipeline per il funzionamento ad alta velocità.
Uno degli elementi principali dell’ottimizzazione riguarda l’utilizzo di inferenza asincrona. Durante l’esecuzione di un movimento, il sistema non attende che l’azione corrente sia completamente terminata prima di calcolare quella successiva, ma utilizza il tempo di movimento del robot per elaborare in parallelo la nuova decisione. In questo modo l’inferenza del modello Vision-Language-Action, o VLA, viene sovrapposta temporalmente all’esecuzione fisica, riducendo i tempi morti tra un’azione e l’altra e rendendo più continuo il comportamento del robot.
Alla gestione asincrona sono state affiancate tecniche di apprendimento a maggiore efficienza dei dati e accelerazione basata sul downsampling, oltre a filtri di smoothing e sistemi di controllo adattivo della velocità. I filtri vengono utilizzati per rendere più regolari le traiettorie e limitare oscillazioni o variazioni brusche durante i movimenti rapidi, mentre il controllo adattivo permette di modulare la velocità in funzione della fase dell’operazione e delle condizioni di manipolazione. L’ottimizzazione interessa quindi l’intero percorso che va dalla produzione dell’azione da parte del modello fino al comando effettivamente eseguito dagli attuatori del robot.
La combinazione di questi interventi ha permesso di mantenere elevata l’affidabilità anche dopo il raddoppio della velocità. Nei test a velocità doppia il sistema ha raggiunto il 96% di successo nelle operazioni di piegatura, mentre in condizioni a velocità normale il tasso riportato ha raggiunto il 100%. Il miglioramento non riguarda quindi soltanto il tempo totale del ciclo, ma il compromesso tra rapidità di esecuzione, stabilità della manipolazione e qualità dell’oggetto finale, particolarmente importante nei compiti che coinvolgono materiali deformabili.
Brain X è il framework di intelligenza robotica sviluppato da XYZ per coordinare modelli di comportamento, apprendimento e controllo all’interno di applicazioni di Physical AI. La piattaforma integra modelli robotici fondamentali, reinforcement learning e imitation learning per consentire ai robot di eseguire compiti pratici in ambienti differenti. Nel caso della piegatura degli abiti, il framework viene utilizzato per collegare percezione, interpretazione dello stato del tessuto, scelta dell’azione e controllo fisico del movimento all’interno di un unico processo operativo.
XYZ intende continuare a migliorare sia la velocità sia la stabilità della manipolazione robotica e prevede inoltre di introdurre un metodo quantitativo per misurare in maniera oggettiva la qualità della piegatura. Questo permetterebbe di valutare non soltanto se il robot abbia completato o meno il compito, ma anche il risultato finale in termini di allineamento, forma, presenza di pieghe e altri parametri rilevanti per l’utilizzo reale della tecnologia.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)