Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

Robot con mani migliori, e una causa su chi costruisce i loro forni solari

Innodata ha aperto il 30 settembre un laboratorio di motion capture per generare dati di addestramento per umanoidi e AI fisica: secondo l'azienda, il settore ha esaurito i dati di interazione reale utilizzabili.

TecnologiaAnalisiGiulia FerrariPubblicato: 30 settembre 20268 min di letturaFonti 9
Robot con mani migliori, e una causa su chi costruisce i loro forni solari

Innodata, azienda di data engineering fondata nel 1988 con sede a Ridgefield Park, nel New Jersey, ha annunciato che il nuovo centro di ricerca e sviluppo catturerà il movimento in 3D direttamente da corpi umani e meccanici, invece di ricavarlo da video 2D. The Robot Report ha dato la notizia il 30 settembre.

L'argomento è semplice: i robot non hanno un internet da cui imparare. I modelli linguistici di grandi dimensioni hanno raschiato un web che esisteva già. Gli umanoidi devono costruirsi il proprio corpus, un movimento alla volta, e la cosa è lenta e costosa.

"L'AI fisica cresce più di qualsiasi altro segmento dell'AI, ma ogni team di robotica sbatte contro lo stesso muro: non ci sono abbastanza dati di interazione reale, e quelli che esistono sono costosi e lenti da produrre", ha dichiarato Rahul Singhal, amministratore delegato di Innodata, in un comunicato ripreso da The Robot Report. Franklin Tanner, vicepresidente della divisione robotica e AI fisica dell'azienda, ha detto allo stesso giornale che i suoi sensori sono progettati per registrare il più piccolo movimento di ogni giunto, e che un umanoide del peso di quasi 200 lb (90,7 kg) non lascia spazio a letture approssimative.

Secondo Innodata, il laboratorio convaliderà anche in modo indipendente i dati sulle prestazioni che i robot generano al proprio interno. Questa seconda funzione conta quanto la prima. I log di un robot non sono un registro neutro, e le aziende che li impiegano in fabbrica hanno bisogno di qualcosa più vicino a una revisione contabile che a un'autodichiarazione.

Latenza, non solo capacità

Mentre Innodata attacca il problema dei dati, una startup chiamata MindOn ha pubblicato il 30 settembre un post tecnico in cui sostiene che il suo modello Mind-1 riduce la latenza di inferenza dei robot da 82 millisecondi a 32 millisecondi e raggiunge tempi di ciclo pari a quelli umani su una serie di compiti di logistica e di manipolazione quotidiana. L'azienda afferma che alcuni compiti vengono completati più in fretta di quanto farebbe una persona.

Il post è insolitamente preciso sul perché la velocità sia difficile. Con una velocità dell'end-effector di 3 metri al secondo, 10 millisecondi di latenza equivalgono a circa 3 centimetri di spostamento, abbastanza per rovinare una presa o un inserimento di precisione. MindOn dà la colpa anche ai dati di addestramento: buona parte dei dati di manipolazione robotica viene dalla teleoperazione, più lenta del movimento umano naturale, così i modelli imparano un ritmo fiacco insieme al compito.

"Un robot che sa eseguire un compito ma ci mette cinque o dieci volte più di una persona resta difficile da integrare nei flussi di lavoro reali", scrive l'azienda.

Quei numeri sono di MindOn e non sono stati riprodotti in modo indipendente. Vanno presi come una dichiarazione del fornitore con un meccanismo plausibile, non come un risultato acquisito.

Un lavoro di valutazione indipendente pubblicato lo stesso giorno spiega perché i singoli numeri di punta meritino sospetto. Fig Inc ha diffuso un rapporto tecnico e un dataset chiamato RIDGE, che copre sette modelli su VisualWebArena e tre modelli su quattro benchmark fisici: Bench2Drive, VLABench, IndEgo e Assembly101. La conclusione centrale è che le medie dei benchmark nascondono quanto i modelli rendano in modo disomogeneo.

In ogni coppia di modelli testata dagli autori, il modello con il punteggio più basso ha risolto almeno un compito che quello con il punteggio più alto ha fallito. Un aggiornamento del modello può lasciare la media quasi invariata e ribaltare molti compiti singoli, e un aggiornamento che alzava la media perdeva comunque compiti che la versione precedente gestiva. Il rapporto copre Gemini 3.5-Flash, Astra, Opus 5.5 e altri. Per chi sceglie uno stack robotico, la lezione pratica è che una posizione in classifica dice meno della specifica categoria di compiti che si intende eseguire.

Il denaro si sposta verso la percezione

Inbolt, con sede a Parigi, ha raccolto 11 milioni di euro per portare visione in tempo reale e controllo adattivo nei robot industriali, ha riferito Tech.eu il 30 settembre. Il round è stato guidato da Shift4Good, con la partecipazione di Bridges Climate Transition Partners e degli investitori già presenti BNP Paribas Développement e Ora Global, per un finanziamento totale di 30 milioni di euro.

Inbolt punta su un guasto specifico: anche nelle fabbriche altamente automatizzate, i robot si bloccano o producono pezzi difettosi quando un componente arriva disallineato o l'attrezzatura si usura. L'azienda afferma che il suo strato di visione 3D più AI, indipendente dall'hardware, è installato su oltre 200 robot in più di 100 fabbriche su tre continenti, con clienti tra cui Bosch, Beko, Flex, Ford, Stellantis e Toyota. Quei dati di installazione vengono dall'azienda e dall'annuncio dei suoi investitori.

Lo stesso giorno, Destro è uscita dalla modalità stealth con un round seed da 8 milioni di dollari, ha riferito TechCrunch. La startup non costruisce robot. Costruisce uno strato di coordinamento che dice sia alle macchine sia ai lavoratori umani cosa fare, e sta conducendo un progetto pilota in una struttura di Yusen Logistics nel Pacifico nordoccidentale con tre robot portacasse di Miva Robotics.

Manthan Pawar, fondatore di Destro, ha detto a TechCrunch che non essere un'azienda di robotica è un vantaggio competitivo. Richard Brunelle, direttore dell'automazione per la divisione americana di Yusen Logistics, ha detto di aver chiesto a Destro di adattare il suo strumento di picking e packing al cross-docking, dove la merce passa da un camion a carichi misti destinati ad altri camion.

Due round di finanziamento e un lancio di prodotto in un solo giorno non fanno un boom. Ma lo schema che attraversa tutti e tre è coerente: i soldi vanno nei dati, nella percezione e nel coordinamento, non in un altro telaio bipede.

Una causa sui brevetti arriva sul piano solare di Tesla

Il fatto più rilevante della settimana non è un robot. Linton Crystal Technologies, azienda di Rochester, nello Stato di New York, interamente controllata dalla cinese Dalian Linton, ha citato Zhejiang Jingsheng davanti alla Corte distrettuale degli Stati Uniti per il Distretto orientale del Texas il 22 settembre, ha riferito Electrek il 30 settembre. I brevetti, il numero 11.255.024 e il numero 11.814.746, coprono un sistema di sollevamento e rotazione del seme per i trafilatori di cristalli Czochralski, i forni che traggono lingotti di silicio monocristallino dal silicio fuso.

Jingsheng ha comunicato la causa agli investitori il 24 settembre, sostenendo che i suoi prodotti usano soluzioni tecniche del tutto diverse da quelle dei brevetti, di non essere stata formalmente notificata e di non aspettarsi alcun impatto rilevante. Linton chiede il risarcimento dei danni, il triplo dei danni per violazione dolosa e un'ingiunzione permanente.

L'ingiunzione è il punto in cui entra Tesla, indirettamente. Secondo Electrek, la stampa di settore cinese riferisce che Jingsheng si è aggiudicata all'inizio di quest'anno un ordine di Tesla del valore di circa 3 miliardi di yuan, circa 420 milioni di dollari, per i trafilatori di cristalli. Tesla non è parte del procedimento, e né Tesla né Jingsheng hanno confermato l'ordine.

La cronologia riportata dalla stampa specializzata cinese va da una gara indetta da Tesla per trafilatori monocristallini da 210 mm, attrezzature per il taglio dei wafer e crogioli di quarzo, chiusa in febbraio, ai contratti firmati a marzo, alle spedizioni avviate in aprile e alla consegna completa prevista per il terzo trimestre. In agosto Tesla ha presentato domanda per una fabbrica da 10.100.000.000 di dollari nella contea di Fort Bend con il nome di Project Crystal Sun, che copre la crescita dei lingotti fino ai moduli finiti, con produzione prevista per l'inizio del 2029. Electrek, testata sorella di The Robot Report, segue la costruzione da marzo, quando si diceva che Tesla fosse in trattative per acquistare attrezzature solari cinesi per 2.900.000.000 di dollari.

Entrambi i fornitori sono sotto pressione per la sovracapacità produttiva del solare cinese. Il fatturato di Jingsheng è calato di circa il 40 percento su base annua nella prima metà del 2026, e Dalian Linton ha registrato una piccola perdita nello stesso periodo, ha riferito Electrek. Un ordine americano di quella dimensione conta per l'una e per l'altra.

Un dettaglio complica la lettura. Todd Barnum, membro del consiglio esecutivo di Linton, ha definito la causa una difesa dell'innovazione americana e ha ricordato le radici di Rochester dell'azienda, che risalgono al 1952. Ma la capogruppo è quotata alla Borsa di Pechino. Come nota Electrek, è una lite tra due aziende cinesi, tenuta in un'aula di tribunale del Texas tramite affiliate americane.

La flotta che è un comunicato stampa

Più in basso nella scala della credibilità, KIDZ AI ha annunciato il 30 settembre di aver inviato a Tesla una richiesta di acquisto per 500 Robotaxi. L'azienda, un tempo scuola di programmazione online di nome Classover Holdings, vale circa 2.400.000 di dollari, ha riferito Electrek. I risultati del secondo trimestre 2026 mostrano ricavi da servizi in calo del 34 percento su base annua a 480.000 dollari e una perdita trimestrale di 2.500.000 di dollari. A fine giugno dichiarava 8.880.000 di dollari tra liquidità e liquidità vincolata.

Al prezzo obiettivo indicato da Elon Musk per la Cybercab, sotto i 30.000 dollari, 500 veicoli costerebbero circa 15.000.000 di dollari, circa sei volte il valore di mercato dell'azienda. Il comunicato di KIDZ AI precisa che la richiesta non costituisce un ordine vincolante e che l'azienda potrebbe decidere di non procedere. Il titolo è salito di circa il 10 percento prima dell'apertura e ha perso circa il 6 percento dopo l'avvio delle contrattazioni.

Electrek colloca il caso in una genealogia che comprende il piano di tesoreria in Solana poi abbandonato dall'azienda e il successivo passaggio a Hyperliquid, al cloud per GPU e a una quota in un data center in Cambogia: quattro settori caldi in circa 15 mesi.

Sotto tutto questo rumore esiste un mercato della robotica reale, costruito da aziende che misurano gli angoli dei giunti al millimetro e limano millisecondi dai cicli di controllo. La domanda a cui il settore non ha risposto è se il capitale che insegue le sagome degli umanoidi ci sarà ancora quando il lavoro interessante si rivelerà poco glamour: banchi di cattura, disciplina nei benchmark e un forno in Texas che deve tirare il suo primo lingotto prima che tutto il resto conti qualcosa.

Commenti 0

Fonti

9
  1. 01Innodata opens motion-capture lab to help humanoids move more like peopleEN
  2. 02Tesla's solar factory dragged into patent war between Chinese suppliersEN
  3. 03Destro AI's secret sauce is getting robots and humans on the same pageEN
  4. 04The Robot Report parent Arrowfly launches AI for Engineers platform, events for engineers navigating AIEN
  5. 05Tesla Robotaxi fleets are the new crypto treasury for zombie companiesEN
  6. 06Inbolt raises €11M to bring real-time vision and intelligence to industrial robotsEN
  7. 07Mind-1: Cutting robot inference latency from 82ms to 32msEN
  8. 08How Do Astra and Opus 5.5 Perform on Robotics and Web TasksEN
  9. 09What 30k robot dogs taught me about degrees of freedom, shipping a real productEN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Giulia Ferrari

Giulia Ferrari

IA, modelli e tecnologie

Giulia Ferrari scrive di tecnologia, IA e modelli e media e internet per FLASH24, partendo da dataset pubblici, preprint e registri di versioni dei modelli. Controlla ogni numero confrontando benchmark dichiarati e risultati riproducibili, e scarta le stime senza fonte. Segue le audizioni in calendario, parla con ricercatori e ingegneri, e mette a confronto release e changelog prima di pubblicare. Fuori dalla redazione smonta stampanti 3D, recupera vecchi computer e studia come i modelli imparano dai rifiuti del web. Non pubblica un dato se non può ricostruirne il percorso.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.