Un nuovo sistema robotico chiamato Pixel è stato presentato su arXiv in due lavori di ricerca, resi pubblici il 3 novembre 2026. Il progetto punta alla manipolazione mobile di uso generale, cioè la capacità di un robot di spostarsi nell’ambiente e manipolare oggetti in modo flessibile, come fa una persona. Gli autori sostengono che il problema finora risiedeva nella separazione dei componenti. Hardware, raccolta di dimostrazioni, controllo e apprendimento vengono di solito sviluppati indipendentemente. Questo crea disallineamenti che limitano il sistema completo. Pixel nasce invece come progetto co-progettato, dove ogni parte è pensata insieme alle altre.
Un robot economico, progettato per imparare dalle persone
Il sistema combina un umanoide a ruote a basso costo. Il robot ha una cinematica allineata al corpo umano e pinze compliant, cioè capaci di adattarsi ai contatti. Le pinze sono capaci di cedere al contatto invece di esercitare forza rigida.
Accanto all’hardware, Pixel mette a disposizione diversi sistemi per raccogliere dimostrazioni. Questi includono la teleoperazione multipla e interfacce che catturano dati direttamente da esseri umani. Il robot non è coinvolto in questo processo. Un controllore unificato del corpo intero coordina insieme base mobile, busto e braccia. Il gruppo di ricerca dichiara di aver dimostrato comportamenti che richiedono destrezza, percezione attiva, navigazione e coordinazione dell’intero corpo.
Pixel-UMI: apprendere dalle dimostrazioni umane
Il secondo lavoro, Pixel-UMI, affronta il nodo più delicato: trasferire alle macchine le dimostrazioni raccolte da persone. I dati umani sono facili da raccogliere in grande quantità. Ma le differenze tra il corpo umano e quello del robot complicano l’apprendimento delle politiche di controllo, cioè le strategie che decidono quali azioni compiere.
La prima risposta si chiama Environment-Aware Retargeting. Il sistema ricostruisce la geometria della scena e la combina con le traiettorie di testa e pinza della persona. Da questi dati ricava la postura del robot e obiettivi di movimento privi di collisioni. Le differenze cinematiche possono comunque lasciare errori residui di posa. Una seconda tecnica si chiama Retargeting-Error-Aware Masking. Usa questi errori durante l’addestramento per ridurre la dipendenza dalle viste in cui umano e robot non coincidono.
Correggere in diretta ciò che i dati non catturano
Le azioni stimate non bastano per le interazioni ricche di contatto, come afferrare oggetti deformabili o maniglie instabili. Per questo il gruppo raccoglie correzioni umane direttamente durante l’esecuzione del robot. Il metodo è noto come DAgger. Una persona interviene mentre il robot lavora, e quelle correzioni entrano nei dati di addestramento.
I risultati dichiarati riguardano cinque compiti impegnativi. Sono la manipolazione di oggetti articolati, la gestione di oggetti deformabili e il raggiungimento in spazi ristretti. Completano l’elenco l’evitamento di collisioni con tutto il corpo e la coordinazione bimanuale a contatto. Su questi compiti il sistema raggiunge un 87% di avanzamento medio del compito, cioè quasi nove decimi del percorso verso il completamento.
Cosa resta aperto per la manipolazione mobile
I due lavori sono presentati come una base integrata ed estendibile per studiare come progettare insieme hardware, dati, controllo e apprendimento nell’apprendimento automatico dei robot. Gli autori non dichiarano applicazioni commerciali né tempi di diffusione: si tratta di risultati di ricerca, valutati in laboratorio sui compiti descritti. Le dimensioni della valutazione restano comunque un punto di confronto concreto. Si tratta di cinque compiti e una metrica di avanzamento medio. I risultati video sono resi disponibili dal gruppo di ricerca accanto alle pubblicazioni.
Fonti:
Punti chiave
Da ricordare
- Pixel è un sistema robotico co-progettato, dove hardware, dati, controllo e apprendimento sono sviluppati insieme anziché separatamente.
- Il robot è un umanoide a ruote a basso costo con pinze flessibili al contatto e cinematica allineata al corpo umano.
- Pixel-UMI trasferisce dimostrazioni umane al robot tramite Environment-Aware Retargeting, che ricostruisce la scena per evitare collisioni.
- La tecnica Retargeting-Error-Aware Masking riduce l'affidamento del robot alle viste in cui umano e robot non coincidono.
- Le correzioni umane raccolte con DAgger migliorano le interazioni ricche di contatto.
- Sui cinque compiti valutati il sistema dichiara un avanzamento medio del compito dell'87%.
