Robot IA prevede il risultato prima di agire: 78,4% nei test

Un robot capace di immaginare il risultato del proprio movimento prima di compierlo non è più un esperimento mentale. Alla Seoul National University, un team guidato dal professor Jaeyoung Do dell'AIDAS Lab ha costruito un sistema che legge una richiesta orale o scritta, immagina la scena finita e poi muove il braccio per raggiungerla. Nei test condotti dal team in quattro contesti reali di manipolazione, il sistema, chiamato Dynin-Robotics, ha avuto successo nel 78,4% dei casi in media.

Il problema che affronta è familiare a chiunque abbia visto un robot fallire in una cucina sconosciuta. Un robot può ripetere un movimento appreso in condizioni fisse, ma i compiti reali cambiano: la tazza si trova in un punto nuovo, il cassetto ha una forma diversa e le persone chiedono le cose con parole differenti. I sistemi recenti hanno usato i grandi modelli linguistici, i motori di testo alla base dei chatbot, per comprendere le richieste, e i modelli di generazione video per prevedere ciò che accadrà dopo. Il team di Seoul ha unito entrambe le capacità in un solo modello, così che comprensione dell'istruzione, previsione del risultato e generazione del movimento vengono appresi insieme.

Il meccanismo è semplice da descrivere. Dati l'immagine della telecamera e l'istruzione, il modello produce un'immagine della scena attesa a compito concluso. Questa immagine prevista serve poi come riferimento per generare il movimento, oppure viene usata per valutare diversi movimenti candidati e mantenere quello più adatto. Nei compiti simulati di raccolta della frutta e di composizione floreale, un modello addestrato in questo modo ha gestito meglio le richieste indirette, come «Metti il fiore che simboleggia l'amore», rispetto a un modello addestrato solo a produrre azioni, che doveva affidarsi al fatto che l'oggetto fosse nominato direttamente.

La velocità era il secondo problema. Il team ha raggruppato le informazioni necessarie per una sequenza di azioni, le ha previste in parallelo e ha riutilizzato i risultati intermedi che altrimenti il calcolo avrebbe ripetuto. Il generatore di azioni è risultato fino a circa 29,2 volte più veloce della sua versione non ottimizzata, e fino a circa 36,6 volte più veloce del modello π0.5 di Physical Intelligence, un'azienda statunitense di IA per robot il cui modello era uno dei termini di confronto.

Cosa cambia, e per chi? Per ora il guadagno è scientifico: un unico modello che collega ciò che una persona dice, ciò che una scena diventerà e come un robot dovrebbe muoversi, con un vantaggio misurato su due sistemi di confronto. I robot in grado di gestire richieste meno rigide sarebbero utili innanzitutto in magazzini, laboratori e abitazioni, ma le fonti non indicano alcuna tempistica, nessun prodotto e nessun prezzo, e il lavoro resta un articolo di ricerca sul server di preprint arXiv. L'articolo è stato accettato alla NeurIPS 2026, una delle principali conferenze sull'intelligenza artificiale, e sarà presentato a dicembre. Le prossime conferme arriveranno dal fatto che il 78,4% regga quando altri team ripeteranno gli stessi test.