SceneSmith, il sistema MIT per addestrare i robot in 3D

La ricerca sulla robotica sta attraversando una fase in cui la sensoristica avanzata non rappresenta più l’ostacolo principale. I modelli più recenti riescono a riconoscere oggetti complessi, anche trasparenti, e a interpretare l’ambiente circostante con grande precisione. La sfida attuale riguarda invece la quantità di esperienza necessaria affinché un robot possa operare in modo affidabile nella vita quotidiana. Addestrare macchine nel mondo reale richiede tempo, risorse e infrastrutture costose. Per questo motivo stanno emergendo soluzioni basate su ambienti virtuali realistici, capaci di accelerare l’apprendimento in totale sicurezza. In questo contesto si inserisce SceneSmith, il nuovo sistema sviluppato dal MIT per generare automaticamente scenari tridimensionali utili alla formazione dei robot.

Generazione automatica degli ambienti

SceneSmith si basa su una pipeline composta da tre agenti di intelligenza artificiale che collaborano per costruire ambienti coerenti.

• Il primo agente si occupa della progettazione della stanza, definendo pareti, arredi e oggetti.
• Il secondo verifica la credibilità dello spazio, correggendo elementi incoerenti o fuori posto.
• Il terzo coordina l’intero processo, stabilendo quando la scena è sufficientemente realistica o necessita di ulteriori modifiche.

Alla base del sistema c’è GPT‑5.2 con capacità visive, che sfrutta grandi raccolte di immagini e testi per ricreare ambienti simili a quelli reali. Questo approccio permette di ottenere scenari più ricchi rispetto alle soluzioni precedenti, con fino a sei volte più oggetti manipolabili, ampliando le possibilità di addestramento.

Dalla simulazione alla pratica

I ricercatori hanno generato oltre 1.300 ambienti virtuali, utilizzati per insegnare ai robot attività quotidiane come riporre tazze nel lavello, spostare lattine tra superfici diverse o sistemare frutta su un tagliere. Le valutazioni automatiche delle prestazioni hanno mostrato una coerenza superiore al 99% rispetto a quelle umane, indicando che il sistema è in grado di giudicare correttamente le azioni eseguite.

Grazie a SceneSmith, i robot possono sbagliare e correggersi in simulazione, evitando rischi e riducendo i costi dell’addestramento reale. Questo approccio punta a rendere lo sviluppo della robotica più rapido, accessibile e sicuro, preparando gli automi a operare nel mondo fisico con una base di esperienza molto più ampia.