|
Articolo pubblicato il 17-12-2005
Luca Marchetti, Francesca Giannone, Maria Scannelli, Simone Elviretti, Pier Francesco Palamara e Stefano La Cesa
membri del gruppo Robocup dell'Università "La Sapienza" di Roma
Numero 23 - Anno 3
17 Dicembre 2005
|
|
 La genesi dell'Intelligenza Artificiale
Estate 1965, Dartmouth College: i più famosi ricercatori allora coinvolti nello studio della teoria degli automi, delle rete neurali e dell'intelligenza si riuniscono in un celebre seminario. Accomunati dal clima di profondo entusiasmo e di ottimismo offerto dal grande avanzamento tecnologico di quegli anni, danno luogo a un dibattito di due mesi durante il quale si conoscono e si confrontano gettando così le basi di una nuova disciplina: l' Intelligenza Artificiale.
A quasi 50 anni di distanza questa espressione oltre ad indicare l'insieme delle discipline scientifiche volte allo studio e alla realizzazione di entità intelligenti è in grado di destare un vivo interesse anche in ambito filosofico, etico e sociale. La portata di tale interesse, testimoniato oltre che dal costante dibattito di cui è oggetto, anche da una vasta produzione letteraria e cinematografica ad essa ispirata, appare inevitabile già nell' associazione di un termine fino ad allora volto ad indicare la più importante prerogativa umana:l'Intelligenza con l'aggettivo Artificiale, ovvero frutto dello studio e dell'ingegno umano.
Illustrazione 1 - Un primo piano di un robot utilizzato nelle competizioni Robocup
E ancor più appare inevitabile se si considera l'ambizioso obiettivo che l'AI si pone: capire i principi che regolano il funzionamento della mente umana e riprodurne l'intelligenza sulle macchine.
Intelligenza e Macchine dunque sembrano essere i soggetti a cui si rivolge questa indagine, ma quando il comportamento di una macchina può essere considerato intelligente?
Già negli anni 50 lo scienziato matematico Alan Turing elaborò una risposta a questa domanda formulando un noto test a cui sottoporre un' entità al fine di qualificarla come intelligente. Tale test era strutturato in modo da prevedere l'esistenza di un interrogatore umano che interagisse in remoto con l'entità da analizzare. Qualora l'interrogatore non fosse stato in grado di distinguerla da un operatore umano questa avrebbe superato il test. Secondo Turing dunque, intelligente è un sistema in grado di operare in ogni compito cognitivo come un essere umano.
Un altro approccio all'identificazione del concetto di intelligenza è quello suggerito da un'altra categoria di discipline che hanno contribuito alla nascita e allo sviluppo dell'AI : le scienze cognitive. L'attenzione è questa volta focalizzata non sull'agire ma sul pensare e in particolare sul pensiero umano. Di conseguenza un sistema è qualificabile come intelligente se è in grado di pensare come un essere umano ovvero se, alla base del suo metodo di ragionamento, giacciono i meccanismi reali delle menti umane. Un celebre esempio di programma ispirato da questa interpretazione del concetto di intelligenza fu GPS (General Problem Solver) realizzato nel 1957 dai due ricercatori Newell e Simon e il cui obiettivo non era semplicemente risolvere i problemi proposti ma mantenere traccia dei passi eseguiti per poterli poi raffrontare con i passi eseguiti da soggetti umani che risolvevano gli stessi problemi.
Benché le due interpretazioni del termine intelligenza ora introdotte focalizzino la propria attenzione su due processi distinti: l'agire l'uno e il pensare l'altro, si può osservare come esse siano concordi nel ritenere l'uomo il parametro di confronto ideale rispetto al quale misurare l'intelligenza di un sistema. Sebbene ciò possa apparire come la scelta più naturale, nel corso degli anni si è fatta strada un' intuizione alternativa in base alla quale un sistema mostra un comportamento intelligente quando svolge il proprio compito "nel modo migliore possibile" quindi guidato da un concetto di razionalità idealizzata non necessariamente ispirato a modelli umani.
L'arduo confronto con l'agire e il pensare umano cede dunque il passo ad un oggettivo criterio di misura della qualità dell'operato del sistema che, aspirando ad essere qualificato come intelligente, agirà verso il proprio ambiente in modo da massimizzare la propria misura di prestazione sulla base dell'insieme delle informazioni che detiene sullo stato dell'ambiente.
Dunque il cardine attorno al quale si sviluppa la moderna ricerca sull'AI è lo studio e il progetto di agenti in grado di espletare compiti di alto livello esibendo prestazioni di qualità in diversi ambienti e con finalità distinte . Le differenti classi di ambienti e obiettivi in cui può operare un agente intelligente orientano la ricerca verso molteplici specializzazioni che comprendono ormai oltre ai filoni più classici ( Risoluzione Automatica dei Problemi, Rappresentazione della Conoscenza e Ragionamento Automatico) anche i più moderni ambiti della Percezione Automatica, della Robotica Cognitiva e dei Sistemi MultiAgente.
Anno 1997 : due importanti risultati testimoniano il rinato interesse da parte della ricerca scientifica per l'AI
Deep Blue, il supercalcolatore della IBM, batte il campione del mondo di scacchi Garry Kasparov, e Pathfinder, robot esploratore costruito dalla NASA, atterra su Marte per svolgere, con elevato livello di autonomia, la sua missione.
IA + robot = Robocup
E sempre nel 1997 prende il via un'altra importante iniziativa: a Nagoya, Giappone, molti ricercatori provenienti da tutto il mondo e interessati all'AI e alla Robotica si riuniscono nella la prima edizione della Robocup ponendosi un ambizioso obiettivo: costruire, entro il 2050, una squadra di robot umanoidi completamente autonomi in grado di competere con la squadra di calcio campione del mondo.
L'idea di far giocare a calcio dei robot sorge per la prima volta ad Alan Mackworth, dell'università della British Columbia, Canada, che nel 1993 presenta il progetto Dynamo robot soccer nella pubblicazione "On seeing robots". Parallelamente, a Tokyo, in Giappone, un gruppo di ricercatori organizza il primo simposio sull'argomento, dando il via ad uno studio di fattibilità, che culmina favorevolmente nel 1993 con la costituzione della Robot J-League.
L'entusiasmo suscitato da questi primi studi è tale da consentire all'iniziativa di valicare presto i confini del Giappone estendendosi in ambito internazionale e provocando l'adesione al progetto di decine di squadre da ogni continente. La stesura di un primo regolamento ufficiale per competizioni tra agenti calciatori e diversi simposi sul tema, affiancano i primi lavori di sviluppo.
L'idea ha un forte impatto su ricercatori, studenti ed appassionati in tutto il mondo, e la prima edizione ufficiale in Giappone (Nagoya, 1997) vede una forte affluenza di pubblico e partecipanti. Gli anni a seguire manterranno questo paradigma di grande pubblico ed adesione, consentendo una rapida evoluzione delle soluzioni adottate.
Nel contempo la vastità e la complessità dei problemi in analisi spinge gli organizzatori a strutturare le competizioni in differenti leghe in modo da promuovere e indirizzare la ricerca su differenti ambiti scientifici.
Al giorno d'oggi la federazione Robocup Soccer si compone di 5 leghe: Simulation league, Small-size robot league, Middle size robot league, Four Legged robot league e Humanoid robot league.
Illustrazione 2 - Una partita della four-legged league
- La Simulation League, la piu' antica, non prevede l'impiego di agenti robotici, ma lo sviluppo di solo software "intelligente". Due squadre da undici giocatori, completamente autonomi, simulano una partita in un campo regolamentare durante due tempi da 5 minuti.
- Nella Small-size robot league cinque piccoli robot per quadra, di diametro non maggiore di 18 centimetri, si sfidano in due tempi da 10 minuti su un campo di dimensioni simili ad un tavolo da ping pong, contendendosi una palla arancione da golf. I robot sono pilotati da un sistema centrale, che gestisce la grande mole di coordinamento necessaria.
- La Middle-size robot league prevede l'impiego di 4 robot di massimo 50 centimetri di diametro, in un campo di 12x8 metri. I robot sono autonomi, e prendono decisioni in base allo stato del mondo, osservato tramite una telecamera. Hanno la possibilita' di comunicare tra di loro.
- Nella Four Legged robot league vengono impiegati dei robot da intrattenimento costruiti dalla Sony: AIBO, un robot quadrupede dalla forma di un cane. Anche in questo caso il robot e' dotato di una telecamera e puo' comunicare con gli altri tramite una rete wireless, pur restando un agente del tutto autonomo.
- La Humanoid league nasce nel 2002, ed è ancora in fase embrionale. I primi robot bipedi di sfidano in calci di rigore, uno contro uno o due contro due. Sono anch'essi agenti del tutto autonomi e la loro locomozione comporta lo sviluppo di tecniche piuttosto complicate.
Con il trascorrere delle edizioni gli ambiti applicativi in cui la Robocup si propone di promuovere la ricerca si sono estesi oltre i confini del calcio robotico. Il 17 gennaio del 1995 a Kobe, in Giappone, un violento terremoto uccide 6,432 persone, e fa danni per oltre 400 milioni di dollari. Questo episodio, e molte altre gravi catastrofi manifestatesi nel tempo, hanno portato alla costituzione della Robocup Rescue, il cui scopo è lo sviluppo, attraverso due leghe (Simulation league e Robot league), di tecniche per l'individuazione e salvataggio di vittime in luoghi colpiti da incidenti gravi.
Illustrazione 3 - Il robot costruito dalla squadra italiana dell'Università "La Sapienza" di Roma per partecipare alla Rescue-league
Infine per avvicinare i più giovani al mondo dell'intelligenza artificiale si è costituita la Robocup Junior, rivolta a studenti delle scuole primarie e secondarie che si confrontano in tre tipologie di gara: il calcio, la danza ed il soccorso attraverso la costruzione e la programmazione di robot.
Design di un agente
L'esempio principe di entità dotata di intelligenza artificiale è quello di un agente, inteso come una qualunque entità in grado di percepire e interagire con il proprio ambiente.
Nella Robocup gli agenti vengono spesso identificati con i robot.
Fiscamente un robot è composto di alcune componenti fondamentali: manipolatori (un insieme di corpi rigidi(bracci) interconnessi tra loro per mezzo di articolazioni(giunti)), attuatori (che imprimono il movimento al manipolatore attraverso l'azionamento dei giunti (motori elettrici, idraulici ecc)), sensori ( lo misurano lo stato del manipolatore (sensori propriocettivi) ed eventualmente lo stato dell'ambiente).
I sensori rappresetano la principale fonte di informazioni del robot, attraverso essi il robot percepisce l'ambiente che lo circonda.
Le tipologie di sensori più usate sono rappresentate da telecamere, sensori laser, sonar, sensori termici, acustici, infrarossi e via dicendo.
Nello sviluppo di un robot operante nell'ambito fisico, va posta particolare attenzione alla realizzazione dei processi di interpretazione dei dati sensoriali acquisiti, al fine di ricostruire correttamente lo stato dell'ambiente, e alla realizzazione del controllo degli attuatori.
In uno scenario come quello della Robocup, attualmente, l'ambiente è ingegnerizzato, e altamente strutturato.
Questo permette al robot di riconoscere in maniera semplificata gli oggetti di interesse, come ad esempio gli avversari, la palla, o un ostacolo.
A partire dal riconoscimento degli oggetti il robot può elaborare una rappresentazione del mondo esterno, che gli permette di prendere delle decisioni.
Occorre precisare che non esiste una rappresentazione univoca dello stato del mondo, molto dipende dal contesto in cui il robot opera.
Nel caso di robot per il soccorso, lo stato è rappresentato dalla mappa dell'ambiente, delle vittime riconosciute e del loro collocamento sulla mappa. In altri ambiti più competitivi, come ad esempio nella lega dei robot calciatori, lo stato conterrà informazioni sulla propria posizione nel campo, di quella degli avversari e dei propri compagni, della palla e così via.
A partire dalle letture sensoriali grezze, il robot deve integrare le informazioni ricevute da fonti eterogenei e nel corso del tempo: in questo modo è in grado di costruire una rapppresentazione consistente.
Il problema principale è che le letture dei sensori sono soggette ad errori, a causa di scarsa sensibilità degli strumenti a disposizioni o di eventi imprevedibili. E' necessario che il robot sia tollerante a questo tipo di fallimenti, affinchè il comportamento sia omogeneo.
Un metodo molto utilizzato in questo ambito è quello dell'uso di filtri bayesiani, che trattano lo stato in forma probabilistica. Questo permette di associare un certo grado di incertezza al sistema, grazie al quale risulta possibile tenere conto anche di situazioni sconosciute, o di malfunzionamenti ed errori.
Una volta modellato l'ambiente ci si pone il problema di fare qualcosa.
Il problema di prendere delle decisioni viene in genere risolto definendo delle tecniche per pianificare le azioni da svolgere, sia che esso sia da solo, sia che esso interagisca, in collaborazione o competizione con altri robot.
Più in dettaglio al robot vengono forniti degli obiettivi, che devono essere raggiunti nella maniera più soddisfacente possibile. L'agente è in grado di svolgere azioni atomiche molto semplici, come fare un passo o girarsi, quindi per poter raggiungere un obiettivo più complesso come calciare una palla, è necessario un meccanismo in grado di trasformare una direttiva in un insieme di azioni più semplici che il robot è in grado di eseguire, in questo caso l'agente deve prima cercare l'oggetto, poi muoversi verso di esso fino a raggiungerlo, raccoglierlo e infine calciarlo, scegliendo tra i possibili modi di colpire quello che è presumibilmente il più adeguato in quel momento.
In un contesto in cui sono presenti più robot è necessario che i compiti vengano suddivisi tra i membri del gruppo, i quali possono scambiarsi informazioni al fine di migliorare la propria conoscenza del mondo e quella dei compagni oltre a permettere di sincronizzare le azioni individuali per raggiungere uno scopo comune.
I dati scambiati permettono inoltre di decidere quale agente è il più adatto a svolgere un determinato compito ad un dato istante: se l'obiettivo da raggiungere è di nuovo calciare la palla, verrà scelto l'agente più vicino e il più possibile rivolto verso l'oggetto.
Di particolare interesse è il caso di squadre di robot eterogenei, per capacità sensoriali ed operative.
In questo caso la suddivisione dei compiti riflette le diverse caratteristiche: tipico è il caso di un robot dotato di costosi accessori il cui unico compito è quello di costruire una mappa di un'area che poi verrà utilizzata ed esplorata da robot più semplici e agili.
La Robocup a "La Sapienza": SPQR
SPQR (Soccer Player Quadruped Robots, ma anche Senatus PopolusQue Romanus) è il gruppo della facoltà di Ingegneria dell'università di Roma "La Sapienza" in Italia, che si impegna nelle competizioni Robocup dal 1998 in differenti specialità (Middle-size 1998-2002, Four-legged dal 2000, Real-rescue-robots dal 2003).
Tutto iniziò nel Febbraio del 1998, quando Consorzio Padova Ricerche approvò il progetto presentato dal Prof. Daniele Nardi (docente di Intelligenza artificiale presso l' Università "La Sapienza" di Roma) di realizzare una squadra di robot calciatori per partecipare alle competizioni scientifiche organizzate dalla federazione RoboCup nella categoria Middle-Size.
Entrarono a far parte del progetto altre università (Brescia, Genova, Politecnico di Milano, Palermo, Parma), nacque così ART (Azzurra Robot Team) il team nazionale italiano di robot calciatori coordinato da Daniele Nardi.
ART ha proposto il primo modello di squadra nazionale ed inoltre ha organizzato per gli studenti delle università partecipanti una scuola di progettazione di robot calciatori a Padova (Giugno 1998).
Durante questo evento gli studenti hanno imparato le nozioni di base per realizzare e programmare robot mobili.
A luglio dello stesso anno ART partecipò alla Robocup in Francia, a Parigi, arrivando ai quarti di finale.
Nel 99 Nardi organizzò con successo la seconda edizione della Scuola di progettazione di robot calciatori a Roma; la squadra partecipò alla robocup a Stoccolma (insieme ad altre 21 squadre) e si aggiudicò il secondo posto dopo l'Iran, battendo squadre come Osaka (Giappone), SharifCE (Iran, la stessa della finale), USC (USA), Minho (Portogallo), ulm (Germany), CS Freiburg (Germany).
Il principale interesse di ART-99 fu la capacità di coordinamento tra robot, che è stato sviluppato sia dal punto di vista hardware che software, un'innovativa questione di ricerca dal momento che rappresenta un'applicazione concreta della cooperazione tra robot eterogenei che compiono task complessi in un ambiente dinamico. Inoltre, il meccanismo del cordinamento permise al team di definire diverse strategie di gioco a seconda della situazione in atto.
Fu nel 2000 che la squadra decise di impegnarsi anche nella categoria della robocup "Four-Legged", nacque così SPQR.
Illustrazione 4 - Il pubblico delle grandi occasioni per la finalissima della Robocup 2005, Osaka
Quindi dal 2000 l'impegno fu duplice. ART continuò sul fronte wheeled con ottimi risultati e SPQR esordì con un quarto posto alle competizioni robocup del 2000 di Melbourne.
L'anno seguente La Sapienza di Roma in seguito alla fine dell'attività di ART creò due squadre: SPQR-Wheeled, SPQR-Legged. Quest'ultima si qualificò ai quarti di finale nella robocup tenutasi a Seattle.
Il 2002 fu l'ultimo anno in cui SPQR-Wheeled partecipò alla robocup raggiungendo i quarti di finale al German Open.
L'anno seguente, mentre la legged continuava a raggiungere ottimi risultati classificandosi ai quarti di finale a Padova, subentrò tra gli impegni della squadra la partecipazione alla Rescue, categoria della robocup, con il team SPQR-Rescue che nel 2004, a soli 2 anni dal suo esordio si qualificò al quarto posto.
|
Autore: Luca Marchetti, Francesca Giannone, Maria Scannelli, Simone Elviretti, Pier Francesco Palamara e Stefano La Cesa
membri del gruppo Robocup dell'Università "La Sapienza" di Roma
Scarica questo articolo nel tuo computer
 
© 2005 Scienzaonline.com
|
|
|
