Il curriculum di apprendimento sorpassa l'importanza del tatto nelle mani robotiche, rivelando un paradigma che potrebbe rivoluzionare lo sviluppo delle protesi e della robotica avanzata. Un nuovo studio condotto dal ValeroLab della Scuola di Ingegneria Viterbi dell'Università della California del Sud mette in discussione un'idea radicata nel settore: contrariamente a quanto si è sempre creduto, non è sempre necessario dotare le mani robotiche di sensori tattili sofisticati per permettere loro di manipolare oggetti con precisione. Ciò che conta davvero, secondo i ricercatori, è la sequenza con cui si imposta il percorso di apprendimento.
Quando l'apprendimento conta più del "sentire"
Per decenni, gli ingegneri robotici hanno cercato di replicare la sensibilità tattile umana, investendo enormi risorse nello sviluppo di sensori sempre più sofisticati. Il ragionamento sembrava inattaccabile: se gli esseri umani si affidano alle terminazioni nervose delle mani per manipolare oggetti, le mani robotiche e le protesi dovrebbero fare altrettanto. Ma una semplice osservazione quotidiana ha messo in dubbio questa convinzione: anche con i guanti, che riducono drasticamente la sensibilità tattile, riusciamo comunque a manipolare oggetti complessi.
Questo apparente paradosso ha spinto il team guidato dal Professor Francisco Valero-Cuevas a chiedersi quale fosse il reale rapporto tra "natura" (i sensori fisici) e "educazione" (il metodo di addestramento) nell'apprendimento manipolativo. I risultati sono sorprendenti: un percorso di apprendimento ben strutturato può compensare persino la completa assenza di feedback tattile.
La simulazione che ha cambiato le carte in tavola
Lo studio, pubblicato sulla prestigiosa rivista Science Advances, ha utilizzato un modello computazionale di una mano robotica a tre dita. Attraverso tecniche di apprendimento per rinforzo, i ricercatori hanno dimostrato che una mano virtuale può imparare a manipolare oggetti anche con sensori tattili parziali o completamente assenti, purché venga "educata" seguendo una precisa sequenza di esperienze.
"Abbiamo voluto fornire un controesempio alla nozione radicata che la sensazione tattile sia sempre necessaria", spiega Valero-Cuevas. Romina Mir, una delle autrici principali dello studio, aggiunge: "Ciò che sottolineiamo è l'importanza della sequenza di ricompense durante l'addestramento". In altre parole, come si insegna a una mano robotica conta più di cosa può percepire.
Un ponte tra intelligenza artificiale e biologia
Le implicazioni di questa scoperta vanno ben oltre la robotica. "La ricompensa guida lo sviluppo del sistema", osserva Valero-Cuevas, "proprio come i sistemi biologici sono un prodotto della loro esperienza". Questo collegamento tra apprendimento automatico e biologia rappresenta una connessione potente che potrebbe consentire progressi nei sistemi di intelligenza artificiale capaci di apprendere e adattarsi nel mondo fisico.
Lo studio, frutto della collaborazione tra la Scuola di Ingegneria Viterbi e l'Università della California a Santa Cruz, è stato co-guidato dalle dottorande Parmita Ojaghi (UCSC) e Romina Mir (USC), con il contributo dei ricercatori Ali Marjaninejad e Andrew Erwin (USC) e in collaborazione con il Professor Michael Wehner (UCSC).
Un futuro di protesi più semplici ed efficaci
Le implicazioni pratiche di questa ricerca potrebbero essere rivoluzionarie per il mondo delle protesi. Se l'apprendimento guidato è più importante dei sensori sofisticati, potremmo vedere protesi meno costose ma ugualmente efficaci nel futuro prossimo. Invece di concentrarsi esclusivamente sullo sviluppo di sensori tattili sempre più avanzati, i produttori potrebbero investire maggiormente nelle metodologie di addestramento delle protesi.
Per gli italiani, un paese con una lunga tradizione sia nelle arti manuali che nell'ingegneria biomedicale, queste scoperte potrebbero aprire nuove strade per la ricerca e lo sviluppo nel campo della robotica assistiva e riabilitativa, settori in cui diversi centri di eccellenza italiani sono già all'avanguardia.