Un’applicazione di navigazione che dice «gira a destra» tre secondi dopo l’incrocio ha detto una cosa giusta nel momento sbagliato. Tre ricercatori hanno costruito un banco di prova che misura proprio l’istante in cui l’istruzione arriva, accanto al suo contenuto. Il lavoro si chiama TIMELI, è stato depositato su arXiv il 4 settembre ed è stato accettato a ICRA 2026, la conferenza internazionale su robotica e automazione.
La domanda di partenza
Gli autori sono Masaki Kuribayashi, Zhongkai Shangguan ed Eshed Ohn-Bar. La domanda che si pongono nell’abstract è se un agente che unisce visione e linguaggio possa imparare quando parlare, oltre a che cosa dire. La loro osservazione sui modelli attuali è che raramente pianificano se e quando produrre una risposta in tempo reale: generano quando vengono interrogati.
Per un sistema che accompagna una persona cieca lungo una strada la differenza pesa. Gli autori scrivono che un’istruzione mal temporizzata può distrarre chi la riceve o aggiungere carico cognitivo. Un avviso che arriva troppo presto viene dimenticato prima del punto in cui serve, uno che arriva troppo tardi arriva dopo il punto.
Che cosa hanno costruito
Il gruppo ha messo insieme un banco di prova multimodale di grandi dimensioni per un compito di navigazione assistiva in prima persona, ambientato in scenari esterni complessi. La prospettiva è egocentrica, cioè la stessa di chi cammina con il telefono o la telecamera addosso, e non quella di una mappa vista dall’alto.
Sopra quel banco di prova hanno misurato i modelli linguistici multimodali disponibili sul mercato. Il risultato che riportano è netto: i modelli presi così come sono non riescono a produrre istruzioni di navigazione sicure e tempestive. E la cosa resta vera anche dopo averli addestrati ulteriormente su quantità rilevanti di dati.
La modifica che funziona
La correzione che propongono è semplice da descrivere: durante l’addestramento il modello viene supervisionato anche a predire la ragione che sta dietro a ogni istruzione, non solo l’istruzione. Deve cioè imparare perché in quel momento va detto quello che va detto.
Con questa aggiunta i risultati migliorano in modo significativo, e migliorano in tre condizioni diverse di prova: open loop, cioè con il percorso già registrato e l’agente che si limita a commentare; closed loop, dove le scelte dell’agente cambiano quello che succede dopo; e sim to real, il passaggio dalla simulazione al mondo fisico, che è il salto dove i sistemi di navigazione tendono a rompersi.
Quello che resta rotto
L’abstract elenca i problemi che il metodo non risolve, e l’elenco è la parte che conta di più per chi guarda a questi sistemi come futuri ausili. Restano difficoltà nel ragionamento temporale, nella consapevolezza degli oggetti critici per la sicurezza e nella comprensione delle relazioni spaziali e delle distanze.
Sono esattamente le tre cose che servono per attraversare una strada. Un sistema che sbaglia le distanze può annunciare un dislivello quando è già stato superato, e uno che non distingue un oggetto critico da un dettaglio di sfondo spende parole su un cartellone e tace su un palo.
Prototipo, non prodotto
TIMELI è un lavoro di ricerca e al momento non è un’applicazione scaricabile. Gli autori dichiarano che rilasceranno la simulazione, il banco di prova e il codice, e hanno pubblicato un sito di progetto dove raccolgono i materiali. Chi vuole leggere il testo completo lo trova su arXiv con il codice identificativo 2609.05596.
Il rilascio del banco di prova è la parte con più effetti pratici sul medio periodo. Le applicazioni di navigazione per chi non vede oggi in commercio si valutano provandole per strada, una alla volta, e un banco di prova pubblico permette a chiunque di misurare il proprio sistema sulla stessa scala, compresa la voce che gli autori mettono al centro, cioè il momento in cui l’istruzione esce.
Il testo completo è su arXiv, alla pagina del paper Time-Aware Assistive Navigation (accesso libero). I materiali del progetto sono raccolti sul sito ufficiale del progetto TIMELI. Al momento non esiste una versione scaricabile per gli utenti finali.
Chiedi a Sonar su questo articolo
Sonar è l’assistente di TecnoAccess: risponde usando solo gli articoli della testata e ti dice sempre di quando è la cosa che racconta.
Iscriviti e ricevi il libro in regalo
Iscrivendoti alla newsletter ricevi subito «AI e disabilità visiva 2026», il nostro libro di 67 pagine sugli strumenti che funzionano davvero, in EPUB e in PDF accessibile.
Poi, ogni venerdì mattina, le notizie della settimana e un consiglio pratico su VoiceOver, NVDA o TalkBack che pubblichiamo solo lì. È gratis e ci si disiscrive con un clic.