The Pulse
CRIS-0 di Aether AI controlla ogni passo nei compiti robotici lunghi
Aether AI ha presentato CRIS-0, un sistema robotico che combina un modello causale del mondo con un agente che verifica le fasi di un compito. Secondo l’azienda, il sistema può riprovare o rivedere il piano quando un compito viene interrott
AI.info Team · Scritto con l’IA ·
Un robot può completare un movimento senza ottenere il risultato richiesto da una persona. Il nuovo sistema di Aether AI, CRIS-0, è progettato per individuare questa discrepanza: controlla l’esito di ogni fase del compito e può riprovare o rivedere il piano quando il risultato è diverso da quello previsto. L’azienda ha pubblicato l’annuncio l’8 ottobre, descrivendo test condotti su robot fisici con perturbazioni, compiti lunghi e oggetti sconosciuti.
CRIS-0 controlla i risultati, non solo i movimenti
CRIS-0 combina due componenti: un Causality-guided Robot Agent, che organizza un compito in fasi, e un Causal World Model, che prevede come le azioni possano modificare il mondo fisico. L’agente aggiorna la propria rappresentazione del compito sulla base delle osservazioni e del feedback degli strumenti, poi verifica che ogni fase sia riuscita prima di passare alla successiva. Aether presenta questa verifica come un modo per individuare i problemi in una fase prima che incidano sui passaggi successivi.
«CRIS-0 è un sistema di intelligenza robotica guidato dalla causalità che integra un Causal Agent con un Causal World Model per costruire rappresentazioni causali strutturate del mondo fisico, consentendo ai robot di esplorare attivamente i propri ambienti, intervenire su di essi, ragionarci e adattarvisi».
Lingjun Mao et al., Aether AI
Il sistema parte da un piccolo insieme di dimostrazioni, che possono essere eseguite tramite teleoperazione, e le usa per individuare le variabili rilevanti per un compito, suddividerlo in fasi e stabilire criteri di verifica. In un esempio di allineamento di una tovaglia, tiene traccia del fatto che la tovaglia sia stata afferrata, della distanza tra un suo angolo e la posizione desiderata e del fatto che sia scivolata. Se una verifica fallisce, CRIS-0 può ripetere la fase, tornare a una precedente o modificare uno strumento dopo un errore.
Un pianificatore sceglie tra diversi tipi di strumenti
CRIS-0 non usa un’unica strategia per ogni parte di un lavoro. Il suo pianificatore può ricorrere a strategie apprese per manipolazioni che richiedono molto contatto, funzioni generate dall’agente che usano SAM3, osservazioni RGB-D e cinematica inversa, navigazione basata su SLAM, previsioni del modello del mondo e script di verifica. Un grafo del compito collega le fasi agli strumenti e alle condizioni necessarie per passare dall’una all’altra.
Questa suddivisione consente al sistema di usare metodi diversi a seconda delle esigenze. In un esempio in cui deve afferrare una pentola, una funzione generata individua prima il manico e posiziona la pinza; una strategia appresa gestisce la presa. Secondo l’azienda, se uno strumento restituisce un errore, come una soluzione di cinematica inversa che viola i limiti delle articolazioni, l’agente può modificare la funzione sulla base di quel feedback e conservare la versione corretta una volta che funziona.
Test su robot reali, senza tassi di successo pubblicati
Aether afferma di aver valutato CRIS-0 su robot reali in presenza di perturbazioni, su compiti lunghi, con richieste non sufficientemente specificate, in manipolazioni complesse e con oggetti nuovi. Il post descrive esempi in cui un sacchetto di caffè o un macinacaffè viene spostato durante un compito e afferma che il sistema può tornare alla fase interessata anziché proseguire sulla base di uno stato ormai superato. Descrive anche un compito con una tovaglia suddiviso in fasi come spingere, afferrare, piegare e posizionare.
L’annuncio non fornisce il numero di prove, i tassi di successo né confronti con altri sistemi per questi test. Le descrizioni chiariscono ciò che, secondo Aether, il sistema è progettato per fare, ma non quantificano la frequenza con cui riesce a farlo né il confronto delle sue prestazioni con un sistema di riferimento. Le dimostrazioni si basano inoltre su variabili specifiche per ciascun compito, definizioni delle fasi e criteri di verifica costruiti a partire da dimostrazioni e feedback.
L’obiettivo dichiarato: adattarsi ai cambiamenti dei compiti
Aether presenta CRIS-0 come un passo verso robot in grado di gestire condizioni mutevoli senza che una persona debba dirigere ogni azione. Nel suo post afferma che il sistema può adattare la scelta degli oggetti alle preferenze di un utente e usare capacità condivise in nuovi scenari. L’annuncio dell’azienda si concentra sull’architettura e sulle capacità del sistema; non fornisce una data di lancio, un prezzo né informazioni sulla disponibilità commerciale.