Un dottorando co-finanziato da Logogramma, una collaborazione con il PRISCA LAB dell’Università degli Studi di Napoli Federico II, insieme in uno studio condotto con il robot Miroka mostrano come l’AI conversazionale possa rendere l’interazione uomo-robot più consapevole del contesto e socialmente appropriata.
Come può un robot comprendere non soltanto ciò che una persona gli chiede di fare ma anche se sia opportuno farlo in una determinata situazione?
Questa domanda è stata al centro della partecipazione a IROS 2026 — IEEE/RSJ International Conference on Intelligent Robots and Systems, tenutasi a Pittsburgh, negli Stati Uniti.
Mario Barbato, il cui dottorato di ricerca è cofinanziato da Logogramma, ha presentato il paper “That Is Not Appropriate! A Multimodal Architecture for Context-Aware Skill Execution in Social Robots”, realizzato in collaborazione con Silvia Rossi (Direttirce del PRISCA LAB UNINA) e Valentina Russo (CEO Logogramma). Il contributo è stato presentato durante la sessione “Context-Aware Multimodal Interaction for Robots”.
Oltre i comandi: comprendere il contesto
L’interazione in linguaggio naturale è una componente fondamentale della robotica sociale. Tuttavia, comprendere un comando non è sempre sufficiente: un robot deve anche interpretare le circostanze in cui viene formulata una richiesta e tenere conto delle persone coinvolte e delle dinamiche sociali.
La ricerca affronta questa sfida attraverso un’architettura modulare che combina un’ontologia strutturata delle abilità del robot, ragionamento multimodale e riconoscimento dell’identità. I comandi in linguaggio naturale insieme agli indizi visivi e interpersonali aiutano il sistema a valutare se l’esecuzione di una determinata abilità sia appropriata in uno specifico contesto e momento.
L’architettura è stata valutata attraverso uno studio sperimentale con 54 partecipanti, che hanno interagito con il robot Miroka. I risultati confermano l’importanza di integrare meccanismi espliciti di ragionamento contestuale nelle architetture decisionali dei robot sociali.
Collegare la ricerca accademica all’innovazione di mercato
Per Logogramma, questo lavoro rappresenta molto più di un contributo scientifico. È un esempio concreto del valore di una connessione continua tra la ricerca accademica e lo sviluppo di soluzioni innovative per applicazioni reali ad alto impatto.
Attraverso il cofinanziamento di percorsi di dottorato e la collaborazione con ricercatori, studiosi e Centri di Ricerca, Logogramma contribuisce a creare le condizioni affinché le idee scientifiche possano essere approfondite, sperimentate e validate, per essere trasformate in nuove capacità tecnologiche, avvicinando i risultati della ricerca alle esigenze concrete di organizzazioni, utenti e mercato.
La collaborazione con UNINA si inserisce in questo impegno più ampio: favorire il dialogo tra competenze scientifiche e necessità del mondo imprenditoriale, per sviluppare sistemi di AI non soltanto tecnologicamente avanzati ma anche utili, adattivi e progettati intorno all’interazione con le persone.
L’AI conversazionale oltre gli schermi
Lo studio condotto con Miroka mette in evidenza anche una capacità centrale della tecnologia di Logogramma: l’integrazione dell’AI conversazionale in dispositivi e contesti di interazione molto differenti tra loro.
Grazie alla piattaforma AI.CODIUM® – e ai suoi moduli e funzionalità – riusciamo a rendere l’interazione in linguaggio naturale disponibile ovunque possa generare valore, senza vincolare le capacità dell’intelligenza artificiale a una singola interfaccia o piattaforma hardware.
Nel campo della robotica, questo significa integrare la comprensione del linguaggio e il ragionamento contestuale con le capacità operative di un sistema fisico, aiutando il robot a superare la semplice esecuzione di comandi e a sviluppare interazioni più adattive e consapevoli del contesto sociale.
Una ricerca orientata alle applicazioni
In Logogramma, ricerca e sviluppo di prodotto sono strettamente connessi. Le collaborazioni scientifiche, il finanziamento della ricerca e la sperimentazione costituiscono la base per esplorare nuove capacità, mentre le applicazioni concrete consentono di individuare i requisiti fondamentali per la loro adozione.
