Fabbriche di robot umanoidi: il collo di bottiglia sono i dati, non le articolazioni

L'infrastruttura più recente per le fabbriche di robot non è una linea di produzione. È un set di ripresa. Il 30 settembre, Innodata, azienda di data engineering, ha aperto un laboratorio di ricerca e sviluppo che registra il movimento 3D direttamente da corpi umani o meccanici, anziché dedurlo da video 2D, secondo The Robot Report.

«La physical AI cresce più in fretta di qualsiasi altro segmento dell'AI, ma ogni team di robotica sbatte contro lo stesso muro: non ci sono abbastanza dati di interazione nel mondo reale, e quelli che esistono sono costosi e lenti da produrre», ha dichiarato Rahul Singhal, amministratore delegato di Innodata, in una nota ripresa dalla testata. La struttura convaliderà anche i dati sulle prestazioni che i robot generano internamente.

Perché una fabbrica ha ancora bisogno di un uomo nel processo

Franklin Tanner, vicepresidente di Innodata per robotica e physical AI, ha spiegato a The Robot Report che la physical AI «deve guadagnarsi i suoi token un'interazione alla volta, e devono essere deliberate». Ha preso ad esempio un robot che raccoglie una tazza: afferrare il manico è di solito la scelta giusta, ma sollevare dalla base una tazza piena di liquido bollente può ustionare l'utente. Quel contesto, ha precisato, spesso manca anche nei dataset esistenti. Innodata afferma che i suoi sensori registrano il movimento di ogni articolazione e che raccoglie dati su umanoidi, hardware teleoperato, sistemi indossabili, attrezzature sensorizzate e pinze Universal Manipulator Interface.

La latenza è l'altra metà del problema. Sempre il 30 settembre, MindOn ha pubblicato Mind-1, un modello di physical AI che, secondo l'azienda, porta l'esecuzione dei compiti robotici a velocità umana e riduce la latenza di inferenza da 82 ms a 32 ms. L'azienda sostiene che a una velocità dell'end-effector di 3 m/s, 10 ms di ritardo equivalgono a circa 3 cm di movimento, abbastanza da compromettere una presa o un inserimento precisi. Il problema riguarda anche i dati di addestramento: gran parte dei dati di manipolazione odierni proviene dalla teleoperazione, più lenta del movimento umano naturale. Di conseguenza, i modelli imparano il ritmo lento insieme al compito.

Una valutazione indipendente suggerisce che il divario non si stia chiudendo in modo uniforme. Un rapporto tecnico pubblicato il 30 settembre da Fig Inc. ha analizzato modelli di frontiera, tra cui Astra e Opus 5.5, nell'automazione web e in quattro domini fisici. In ogni coppia di modelli testata, quello con il punteggio più basso ha risolto almeno un compito fallito da quello con il punteggio più alto. Gli autori definiscono questo profilo di prestazioni «frastagliato» e hanno reso pubblici i risultati per singolo item sotto il nome RIDGE.

«Non c'è alcun sostituto della cattura diretta del movimento 3D», ha affermato Tanner. «Quando un modello di computer vision cerca di interpretare una griglia 2D di pixel, gli errori si insinuano inevitabilmente.»

Il denaro continua a muoversi verso il reparto produttivo

Gli investimenti seguono la stessa tesi. Il 30 settembre, Inbolt, con sede a Parigi, ha annunciato di aver raccolto 11 milioni di euro, in un round guidato da Shift4Good con la partecipazione di Bridges Climate Transition Partners e degli investitori esistenti BNP Paribas Développement e Ora Global. Il totale raccolto raggiunge così i 30 milioni di euro, secondo Tech.eu. Inbolt combina visione 3D con uno strato di AI indipendente dall'hardware che consente ai robot di regolare i cicli di controllo in tempo reale. Il software, afferma l'azienda, gira su più di 200 robot in oltre 100 fabbriche su tre continenti, con clienti tra cui Bosch, Beko, Flex, Ford, Stellantis e Toyota.

Non ogni annuncio del settore è di natura ingegneristica. Electrek ha riferito il 30 settembre che KIDZ AI, società quotata al Nasdaq precedentemente nota come Classover Holdings, ha inviato a Tesla una «richiesta di acquisto» per 500 Robotaxi. L'azienda ha riportato ricavi da servizi pari a 0,48 milioni di dollari nel secondo trimestre del 2026, in calo del 34% su base annua, e una perdita trimestrale di 2,5 milioni di dollari. Il comunicato stesso precisa che la richiesta non è un ordine vincolante. Electrek ha osservato che 500 Cybercab, anche al prezzo obiettivo di Elon Musk «sotto i 30.000 dollari», costerebbero circa 15 milioni di dollari, all'incirca sei volte il valore di mercato dell'azienda.

La filiera dell'hardware ha le sue controversie. Electrek ha anche riferito il 30 settembre che Linton Crystal Technologies ha citato in giudizio Zhejiang Jingsheng davanti a un tribunale federale del Texas il 22 settembre per due brevetti statunitensi che coprono un sistema di sollevamento e rotazione del seme per la crescita dei cristalli. Rapporti dell'industria cinese indicano che Jingsheng si è aggiudicata all'inizio di quest'anno un ordine Tesla da circa 3 miliardi di yuan (circa 420 milioni di dollari) per macchine di trazione dei cristalli. Tesla non è parte in causa e né Tesla né Jingsheng hanno confermato l'ordine. Il 24 settembre Jingsheng ha detto agli investitori che i suoi prodotti usano «soluzioni tecniche del tutto diverse» da quelle dei brevetti.

Per i produttori fuori dal mercato industriale, il vincolo è più prosaico. Su Hackster.io, il fondatore di Petoi Rongzhong Li ha scritto il 30 settembre che l'azienda ha spedito più di 30.000 robot quadrupedi dalla campagna Nybble del 2018. Ha anche descritto la derivazione di una formula che mette in rapporto la fattibilità di un prodotto con i suoi gradi di libertà attivi. Il suo prodotto attuale, Quaddle, parte da 99 dollari su Kickstarter.

Arrowfly, la società madre di The Robot Report, ha approfittato dello stesso giorno per lanciare AI for Engineers, una piattaforma editoriale e di eventi sostenuta da più di 20 marchi di ingegneria. La sua conferenza principale è in programma dal 20 al 22 settembre 2027 a Henderson, Nevada, con 700 partecipanti previsti.