Il Massachusetts Institute of Technology (MIT) ha sviluppato un innovativo sistema di intelligenza artificiale che consente ai robot di apprendere il controllo del movimento utilizzando esclusivamente la visione, senza la necessità di sensori aggiuntivi o pre-addestramento. Questo approccio, denominato "Neural Jacobian Fields" (NJF), permette ai robot di osservare se stessi attraverso una telecamera standard, emulando il modo in cui gli esseri umani apprendono a controllare il proprio corpo.
Il sistema NJF funziona mappando un "campo jacobiano visuo-motorio", collegando i punti 3D visibili del corpo del robot ai suoi attuatori, consentendogli di prevedere e eseguire compiti motori precisi. Utilizzando solo alcune ore di movimenti casuali catturati da telecamere RGB-D standard, l'IA apprende come ogni comando di movimento influisce sulle diverse parti del corpo del robot.
Questo metodo è economico e altamente adattabile, rendendolo efficace anche per design robotici non convenzionali, come quelli morbidi o flessibili. Inoltre, il sistema NJF ha dimostrato di superare i metodi di controllo 2D esistenti in termini di accuratezza, soprattutto in presenza di occlusioni visive, aprendo nuove possibilità per l'automazione robotica. L'adozione di questa tecnologia potrebbe accelerare lo sviluppo in settori come la produzione e la sanità.
Il lavoro è stato pubblicato sulla rivista Nature il 25 giugno 2025, rappresentando un passo significativo verso l'apprendimento robotico simile a quello umano e potenzialmente rivoluzionando l'implementazione dei robot in diverse applicazioni, richiedendo solo una singola telecamera per funzionare.