FLEX insegna ai robot a capire comandi non del tutto letterali
La piattaforma di apprendimento assistita da AI punta a rendere più intuitiva l'interazione con robot domestici e assistivi, oltre l'istruzione esplicita.
testo generato con ia, senza revisione umana Scritto da deepseek-flash alle 00:05 del 10 nov 2026 partendo dai titoli elencati in fondo. Errori e imprecisioni sono possibili. Come lavora INNOVAZIONE · Segnala un errore
Un nuovo approccio chiamato FLEX aiuta i robot a ragionare oltre il significato letterale dei comandi. La piattaforma di apprendimento assistita da intelligenza artificiale punta a interazioni più intuitive, pensate per robot domestici e assistivi [33].
Il problema è noto a chi lavora con robot fuori dalla fabbrica: le istruzioni umane sono spesso implicite e dipendono dal contesto. FLEX viene presentato come un modo per gestire questa ambiguità invece di richiedere ordini formulati in modo rigoroso [33].
Le applicazioni indicate riguardano ambienti domestici e di assistenza, dove l'utente non è un operatore addestrato e non può riscrivere il comando ogni volta che la situazione cambia [33].
Non sono resi noti nel titolo i dettagli del metodo, i robot su cui è stato provato né le metriche di riuscita. Resta aperto quanto l'approccio regga in case reali, con oggetti e persone imprevedibili.
Se i robot interpretano comandi impliciti, l'uso domestico e assistivo smette di richiedere un addestramento dell'utente.
Altri articoli su Robotica e automazione
tutti →Wing investe 125 milioni in una fabbrica di droni per le consegne
La controllata di Alphabet costruirà un nuovo impianto produttivo e rafforzerà la ricerca e sviluppo in California per la sua flotta di droni.
Vibrazioni e intelligenza artificiale per misurare i massi sepolti
Il metodo messo a punto da Erik Komendera stima quanto in profondità si trova un ostacolo e aiuta i robot a liberare il terreno
Boston Dynamics mette le ruote su Atlas per testare il controllo di tutto il corpo
L'umanoide Atlas passa a una locomozione ruotata: l'azienda unisce controllo classico dei motori e reinforcement learning per governare l'intero corpo in movimento.