ω‑0 raggiunge l’81,8%: cosa dimostra davvero il test domestico

Un robot umanoide pulisce un tavolo, si muove lateralmente, mantiene l’equilibrio e corregge il contatto con il panno – senza dividere il compito in fasi separate di camminata e presa. Proprio questa coordinazione simultanea di tutto il corpo è l’obiettivo di ω‑0. Il nuovo modello di ricerca raggiunge in un test reale con undici compiti domestici un tasso di successo dell’81,8 percento. Il valore è notevole, ma ha significato solo se si leggono anche la configurazione del test, la base dei dati e i limiti.

Punti chiave

ω‑0 non è un nuovo robot, ma un modello di controllo apprenditivo per compiti corporei interi umanoidi.
Il sistema collega comandi vocali, immagini della telecamera e stati delle articolazioni, e ne genera sequenze di movimento eseguibili per tutto il corpo.
Nella configurazione sperimentale, la variante più forte ha completato con successo l’81,8 percento dei test completi; il progresso medio dei compiti era del 90,3 percento.
È stato testato su un Unitree G1 con mani aggiuntive abili – in undici compiti definiti e con dieci esecuzioni ciascuno.
Il risultato è un chiaro progresso nella ricerca, ma ancora nessuna prova per un robot domestico liberamente utilizzabile.

Perché il lavoro domestico è così difficile per gli umanoidi

Per le persone spazzare il tavolo sembra banale. Dal punto di vista robotico, tuttavia, è necessario che percezione, pianificazione dei movimenti, equilibrio, movimento del braccio, forza della mano e contatto con la superficie si coordinino continuamente. Altrettanto impegnativi sono raccogliere la biancheria da un tamburo profondo, aprire un frigorifero o trasportare un contenitore mentre si raccolgono oggetti a diverse altezze.

Molti sistemi fino ad oggi trattano movimento e manipolazione come moduli separati: prima il robot si muove verso una posizione, poi rimane fermo il più possibile e muove le braccia. Questo funziona in dimostrazioni strutturate, ma fallisce in compiti in cui camminare, piegarsi, sostenersi, afferrare e tirare avvengono contemporaneamente. Nella ricerca questa connessione è chiamata manipolazione del loco. È una chiave per determinare se robot umanoidediventare in futuro davvero utile in spazi progettati dall’uomo.

Cosa fa ω‑0 tecnicamente di diverso

ω‑0 è un cosiddetto modello di azione mondiale latente. Riceve un’istruzione linguistica, l’osservazione visiva attuale e lo stato corporeo del robot. Ciò include, tra l’altro, le posizioni delle articolazioni, la configurazione della mano e l’orientamento del torso. Da queste informazioni prevede rappresentazioni compatte dell’azione corporea completa, che un controller di basso livello successivo traduce in movimenti reali.

Il punto decisivo: il modello non deve prima generare immagini video future complete. Invece, impara come è probabile che cambino le caratteristiche rilevanti di un’immagine di una scena. Questa previsione avviene in uno spazio di caratteristiche compatto. Parallelamente, un modello di diffusione genera la prossima sequenza di azioni corporee complete eseguibili. Detto semplicemente, il robot non impara solo “Quale movimento segue?”, ma anche “Come dovrebbe apparire la situazione dopo?” – senza sprecare potenza di calcolo per immagini future fotorealistiche.

Così ω‑0 appartiene al prossimo stadio di sviluppo di Modelli Visione-Linguaggio-Azione. I VLA classici traducono direttamente immagine e linguaggio in azioni. I modelli World-Action aggiungono una comprensione appresa della dinamica: devono cogliere quali conseguenze un movimento ha sul corpo, sull’oggetto e sull’ambiente. Questo è particolarmente importante per il lavoro domestico ricco di contatti, perché piccole deviazioni nella pressione, nell’angolo di presa o nel punto di appoggio possono far fallire una lunga catena di azioni.

Come interpretare correttamente il risultato dell’81,8%

I ricercatori hanno testato sette famiglie di modelli secondo lo stesso protocollo. Ogni metodo è stato addestrato o messo a punto sui dati delle dimostrazioni reali e doveva eseguire undici compiti, ciascuno con dieci tentativi indipendenti. Una prova era considerata riuscita solo se tutti gli obiettivi parziali venivano completati entro la finestra temporale. La variante Omni di ω‑0 ha raggiunto l’81,8% di successi completi, 36,7 dei 41 punti obiettivo massimi e il 90,3% di progresso continuo nei compiti.

Modello	Successi completi	Avanzamento dei compiti
Politica di diffusione	15,5 %	40,6 %
π‑0,5	27,3 %	52,8 %
GR00T‑N1.7	22,7 %	49,8 %
ψ‑0	44,5 %	59,6 %
DiT4DiT	43,6 %	61,0 %
ω‑0 Ego	79,1 %	88,7 %
ω‑0 Omni	81,8 %	90,3 %

Il numero non è quindi un “quoziente d’intelligenza” generale per i robot domestici. È la media all’interno di un campo di test chiaramente definito, sviluppato dagli autori. La versione Omni più potente utilizza durante l’addestramento più prospettive, comprese immagini RGB e di profondità esterne; la versione Ego lavora più vicino alla prospettiva della telecamera di bordo successiva. Secondo l’articolo, durante l’esecuzione autonoma non sono stati utilizzati teleoperazioni, replay di movimenti o interventi scriptati.

Quali undici compiti sono stati testati?

I test variano da brevi compiti di presa a procedure più lunghe con movimento nello spazio. Questi comprendono:

prendere una mela e metterla in un cesto,
mettere una mela su uno scaffale,
Buttare i vestiti dal letto in un cesto,
mettere un asciugamano dal cesto nella lavatrice,
pulire un tavolo,
pulire il pavimento,
Raccogliere spazzatura da altezze diverse in un contenitore portato
gettare una mela in un cassetto e chiuderlo con il ginocchio,
Spazzare la spazzatura dal letto, girarsi e buttarla in un contenitore,
Togliere i vestiti dalla lavatrice,
prendere una bevanda dal frigorifero.

Dieci dei undici compiti richiedono esplicitamente il movimento della parte inferiore del corpo. In questo modo, il benchmark valuta non solo l’abilità delle mani, ma anche l’uso coordinato delle gambe, del tronco, delle braccia e delle pinze. Proprio questo lo distingue da molti benchmark da tavolo, in cui un braccio robotico fissato lavora davanti a oggetti preparati.

ω‑HOME: Perché i dati sono quasi importanti quanto il modello

L’aumento delle prestazioni non si basa solo sull’architettura. Per ω‑HOME, il team ha raccolto 40,3 ore di dati domestici reali con 4.827 episodi e 24 tipi di compiti a 30 immagini al secondo. Per ogni traiettoria sono stati sincronizzati comando vocale, telecamera egocentrica, riprese RGB-D esterne, movimenti del corpo, stati articolari e rappresentazioni di azioni eseguibili. Per gli undici compiti successivi sono state raccolte circa 2.220 dimostrazioni di teleoperazione, circa 200 per compito.

Un operatore umano ha controllato la raccolta dei dati con visore VR, controller e sensori per i piedi. I movimenti provenienti da set di dati pubblici di esseri umani sono stati inoltre riprodotti in simulazione con il controller corporeo completo SONIC. Le traiettorie fisicamente inadeguate sono state filtrate dal sistema. Questo passaggio intermedio è importante: un movimento umano può sembrare plausibile in un video, ma per un robot con cinematica diversa, distribuzione di massa e limiti articolari può essere irrealizzabile.

Per le aziende questo mostra una tendenza centrale dellaIntelligenza artificiale fisica: La competizione non riguarda solo modelli più grandi. Fondamentali sono dati di movimento reali di alta qualità, teleoperazione affidabile, simulazione, un controller per l’intero corpo robusto e feedback puliti da telecamere e sensori di articolazione.

Quale hardware era presente nel laboratorio?

I tentativi autonomi sono avvenuti suUnitree G1. Per la manipolazione, il team ha equipaggiato l’umanoide con Inspire-DexHands. Una telecamera ZED-Mini forniva la prospettiva in prima persona; una telecamera ZED di profondità aggiuntiva acquisiva dati RGB-D esterni. Il G1 è quindi la piattaforma fisica, ω‑0 invece il software di ricerca. Chi parla di un “robot ω‑0” mescola modello e hardware.

Questa separazione è importante per la valutazione. Non è ancora stato ampiamente dimostrato se il metodo sia trasferibile ad altri umanoidi con dimensioni diverse, cinetica della mano diversa, piattaforma di calcolo o progettazione del motore diversa. Buoni risultati su un G1 sono un forte segnale per l’idea del modello, ma non una indipendenza automatica dall’hardware. Anche la qualità delFusione dei sensori, la latenza del controllo e le funzioni di sicurezza della piattaforma complessiva determinano il successo pratico successivo.

Ciò che il risultato non dimostra ancora

In primo luogo, si tratta di una pubblicazione preliminare attuale e non di uno studio industriale già riprodotto da molti anni. In secondo luogo, benchmark, preparazione dei dati e analisi provengono dallo stesso progetto di ricerca. Mancano ancora repliche esterne su altri robot e in appartamenti indipendenti. In terzo luogo, il test comprende 110 tentativi per modello – sufficienti per un confronto chiaro nel progetto, ma troppo pochi per derivare tassi di guasto per migliaia di ore di funzionamento domestico.

Quarto, i compiti sono definiti e addestrati. Una vera casa cambia continuamente: luce, mobili, imballaggi, attrito del pavimento, animali domestici, bambini e movimenti umani imprevedibili creano un mondo aperto. L’articolo riporta promettenti generalizzazioni su oggetti e scene trattenuti, ma da ciò non segue ancora una gestione affidabile di qualunque nuovo compito.

In quinto luogo, un alto tasso di completamento dei compiti dice poco su sicurezza, rumore, consumo energetico, usura, facilità di pulizia, protezione dei dati o costi. Un prodotto domestico non deve solo portare a termine un compito, ma deve eseguirlo in modo ripetibile, silenzioso, sicuro e a bassa manutenzione – e interrompere controllatamente in caso di incertezza.

Perché ω‑0 è comunque un passo importante

Il progresso decisivo risiede meno in un singolo movimento spettacolare che nell’unificazione. Un modello gestisce undici compiti differenti e collega percezione, rappresentazione del futuro e azione corporea completa. Mostra che la previsione latente può essere una via praticabile tra politiche puramente reattive e la generazione di video ad alta intensità di calcolo.

Per l’industria robotica potrebbero emergere tre linee di sviluppo. In primo luogo, le piattaforme di teleoperazione e raccolta dati diventeranno strategicamente più importanti. In secondo luogo, i produttori di umanoidi probabilmente svilupperanno interfacce standardizzate tra il modello ad alto livello e il controllore del corpo intero a basso livello. In terzo luogo, il settore ha bisogno di benchmark che misurino non solo brevi video di successo, ma compiti completi, progressi parziali, casi di guasto e numerose ripetizioni.

Conclusione: Svolta in laboratorio, ancora nessun prodotto per la casa

L’81,8 percento di successi completi in undici compiti domestici reali è un risultato notevole per la Loco-Manipolazione umanoide. ω‑0 mostra come un robot possa apprendere movimento e lavoro manuale come un problema integrato. Particolarmente rilevanti sono la previsione compatta del futuro, il controllo uniforme dell’intero corpo e la base di dati accuratamente sincronizzata.

La conclusione seria, tuttavia, non è che i robot domestici siano ora “risolti”. È stato dimostrato un procedimento di ricerca potente su una piattaforma specifica e in un contesto di compiti controllato. La prossima prova deve provenire da test indipendenti, altri robot, abitazioni sconosciute e tempi di funzionamento nettamente più lunghi. Se questo trasferimento avrà successo, ω‑0 potrebbe effettivamente far parte dei componenti che trasformano gli umanoidi dal dimostratore impressionante al aiutante affidabile.

Fonti originali e approfondimento tecnico

Bewerte den Beitrag hier!

[Total: 0 Average: 0]

Nico Nuss

Website

L’autore Nico Nuss si occupa dal 2001 di mobile computing e software di automazione. Grazie alla sua esperienza e al forte interesse per le tecnologie del futuro, si concentra sulla robotica e sull’IA.