Rexasi PRO: 24/25 settembre, assembla generale a Roma

Si sta svolgendo in questi giorni, 24 e 25 settembre,  Roma, presso il CNR, l’Assemblea Generale di  REXASI-PRO, il progetto Horizon Europe dedicato a progettare un framework ingegneristico di soluzioni di Intelligenza Artificiale sostenibili e affidabili per  veicoli autonomi destinati a persone con mobilità ridotta. In REXASI PRO, Scuola di Robotica è consulente per l’Ethical Management.

In giugno 2025 si sono tenuti a Genova, presso la sede del CNR IEIIT, uno dei partner, i test del sistema che comprende la collaborazione di uno sciame di droni, sedie a rotelle autonome e l’Intelligenza Artificiale che svolge le funzioni di orchestratore.

Trovate sul sito di REXASI-PRO, nella sezione News, tra brevi articoli, in inglese,  che descrivono gli sviluppi relativi alla navigazione multi-agente, realizzata dal partner SUPSI.

Il primo articolo riguarda la simulazione della navigazione multi-agente. In REXASI-PRO, come abbiamo detto, operano diversi  agenti autonomi. La navigazione – una competenza fondamentale per gli esseri umani, gli animali e i robot mobili – è  la capacità di seguire una direzione evitando gli ostacoli. Tipicamente, un robot mobile utilizza una serie di controllori per pianificare un percorso, eseguirlo evitando gli ostacoli e controllare la velocità dei propri motori. In questa architettura di controllo, gli algoritmi di navigazione permettono di evitare gli ostacoli in modo dinamico,  interagendo con il resto del sistema e tenendo conto delle condizioni ambientali.

Il secondo articolo descrive il machine learning (ML) che ha tre applicazioni principali nella navigazione robotica: la Percezione — modelli che estraggono una descrizione dell’ambiente (ad esempio la posizione degli ostacoli) a partire da letture grezze dei sensori. Le Strategie di controllo, i modelli che generano azioni a partire dalle osservazioni. E la Valutazione — modelli che estraggono una valutazione robusta e/o interpretabile da un ampio insieme di simulazioni.  Le politiche di navigazione sono particolarmente rilevanti per REXASI-PRO, poiché offrono un’alternativa agli algoritmi di navigazione basati su modelli, che possono aumentare le prestazioni a scapito della trasparenza. Esistono due metodi principali per addestrare le strategie di navigazione: Imitation Learning (apprendimento per imitazione) e Reinforcement Learning (apprendimento per rinforzo). Per esplorare entrambe le metodologie in simulazione, abbiamo sviluppato e Navground Learning, un’estensione Python per addestrare strategie di navigazione in Navground.

Il terzo articolo tratta della prossemica, la scienza che studia lo spazio o le distanze come fatto comunicativo, psicologico, e i possibili significati delle distanze materiali che l’uomo tende a interporre tra sé e gli altri.  Ad esempio, stare davanti a una soglia comunica implicitamente l’intenzione di entrare. Allo stesso modo, avvicinarsi a qualcuno indica la volontà di interagire. Questa forma di comunicazione è fondamentale per coordinarsi tra umani, così come tra robot, soprattutto durante la navigazione di questi ultimi.

In situazioni con spazio libero limitato e maggiore probabilità di conflitti, le persone ricorrono a regole e forme di comunicazione più esplicite. Ad esempio, gli umani possono annuire o fare cenni con la mano per segnalare la precedenza, analogamente a come i conducenti di veicoli usano le frecce di direzione. In REXASI-PRO,  la sfida è stata affrontata in due modi. E’ stato progettato un sistema di strategie di comunicazione basate su modelli che rendono più esplicite le intenzioni della sedia a rotelle intelligente, ad esempio proiettando sul pavimento la direzione o la traiettoria desiderata, come abbiamo dimostrato in realtà virtuale. Inoltre, sono stati addestrati modelli di machine learning che imparano simultaneamente a navigare e a comunicare con i vicini. Nell’articolo è presentato un esempio di questo secondo approccio, ampiamente esplorato in un tutorial di Navground Learning.