Robot umanoidi in fabbrica: dati, latenza e una lite nel consiglio di amministrazione
Innodata ha aperto il 30 settembre un laboratorio di motion capture per fornire alla physical AI i dati del mondo reale che le mancano. Nuove ricerche su latenza e benchmark mostrano intanto quanto gli umanoidi siano ancora lontani dal lavoro affidabile in fabbrica.

Innodata ha aperto il 30 settembre un laboratorio di motion capture. L'obiettivo è generare dati di addestramento per robot umanoidi e industriali e verificare in modo indipendente le prestazioni che quegli stessi robot dichiarano. L'azienda di ingegneria dei dati di Ridgefield Park, nel New Jersey, ha costruito la struttura con Vicon, le cui telecamere a infrarossi misurano il movimento fino al livello del sottomillimetro, secondo The Robot Report.
È l'ultimo capitolo di una settimana di annunci hardware e software che puntano tutti allo stesso vuoto: i robot sanno muoversi, ma i dati e gli anelli di controllo che stanno dietro non sono ancora all'altezza di un normale turno di fabbrica.
Soldi gettati sul problema dei dati
«La physical AI 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 costano e richiedono tempo», ha detto Rahul Singhal, amministratore delegato di Innodata, nell'annuncio. Franklin Tanner, vicepresidente della divisione robotica e physical AI, ha spiegato a The Robot Report che i modelli linguistici di grandi dimensioni possono nutrirsi dell'internet aperto, mentre i robot no: «La physical AI deve guadagnarsi i suoi token un'interazione alla volta, e devono essere deliberate».
Innodata sostiene di catturare il movimento 3D direttamente dai corpi, umani o meccanici, invece di ricavarlo da video 2D. I dati così prodotti possono alimentare gemelli digitali per i casi limite. Tanner ha indicato anche un limite di cui il settore preferisce non parlare: oggi non esistono dati di addestramento in cui umani e robot interagiscono. È uno dei fronti su cui lavora il nuovo laboratorio.
L'azienda non è sola nel sostenere che a decidere l'impiego sia il dato, non il corpo del robot. Destro AI è uscita dalla modalità stealth il 30 settembre con un round seed da 8.000.000 di dollari, guidato da Base10 Partners e Bonfire Ventures con CoFound Partners, e con una proposta insolita. Non costruisce affatto robot.
«Una delle ragioni principali per cui stiamo vincendo contro le aziende di robotica è che non siamo un'azienda di robotica», ha detto il fondatore Manthan Pawar a TechCrunch.
Coordinare persone e carrelli
Il software di Destro dirige sia i lavoratori umani sia le macchine. In un impianto di Yusen Logistics nel Pacifico nordoccidentale, tre robot che spostano carrelli, costruiti da Miva Robotics, girano sul sistema operativo Vision di Destro, basato su modelli visione-linguaggio-azione a pesi aperti. Gli operai scaricano la merce da un camion nei carrelli, i robot portano i carrelli pieni a destinazione, e il sistema operativo Mothership di Destro coordina persone, carrelli e camion. Richard Brunelle di Yusen ha raccontato a TechCrunch che altre due startup di robotica non riuscivano ad adattarsi allo stesso flusso di cross-dock: una spostava i carrelli da un punto all'altro ma non gestiva carico e scarico, l'altra richiedeva una persona per il coordinamento.
Destro sta ora portando quel pilot a 26 robot e ne avvia un secondo con 17 robot nel sud della California. Il piano di Pawar è replicare il flusso di cross-dock in altri magazzini. TechCrunch nota però che l'azienda non ha ancora dimostrato di saper gestire compiti che richiedono vera destrezza.
La velocità è l'altra metà del problema. MindOn ha pubblicato il 30 settembre un post tecnico che presenta Mind-1, un modello di physical AI che, secondo l'azienda, riduce la latenza di inferenza dei robot da 82 millisecondi a 32 millisecondi, avvicinando l'esecuzione dei compiti ai tempi di ciclo umani. Il post spiega senza giri di parole perché conta: a una velocità dell'effettore finale di 3 metri al secondo, 10 millisecondi di latenza equivalgono a circa 3 centimetri di movimento, abbastanza per rovinare una presa o un inserimento. MindOn fa notare anche che la maggior parte dei dati di manipolazione viene dalla teleoperazione, molto più lenta del movimento umano naturale, così i modelli imparano un ritmo lento insieme al compito.
I benchmark nascondono i bordi irregolari
Uno studio separato pubblicato il 30 settembre dai ricercatori di Fig. Inc mette in dubbio i punteggi usati per confrontare i modelli che muovono tutto questo. Il team ha eseguito sette modelli di frontiera, tra cui Astra e Opus 5.5, su 177 compiti web a ciclo chiuso in VisualWebArena, poi tre modelli su quattro domini fisici: VLABench, Assembly101, IndEgo e Bench2Drive. La conclusione è che le medie dei benchmark nascondono quanto sia irregolare il rendimento dei modelli. Per ogni coppia di modelli testata, quello più debole ha risolto almeno un compito che il più forte ha mancato. Un aggiornamento del modello può lasciare la media quasi invariata mentre ribalta molti singoli compiti. E modelli che battono Gemini 3.5-Flash su ogni media di dominio restano comunque peggiori in alcune categorie di compiti.
Niente di tutto ciò è solo un problema di ricerca. Il 30 settembre TechCrunch ha riferito che Matan Grinberg, cofondatore e amministratore delegato della startup di coding AI Factory, ha detto di aver licenziato il venture capitalist Chris Degnan dal ruolo di consigliere di amministrazione, accusandolo di aver condiviso informazioni riservate con la concorrente Cognition. Due ore dopo Degnan ha annunciato di essere entrato in Cognition come chief revenue officer, e ha detto di essersi dimesso invece di essere stato licenziato. Khosla Ventures, investitore in entrambe le società, si è spaccata: il fondatore Vinod Khosla e il partner Keith Rabois hanno preso posizioni opposte su X. Factory ha raccolto 200.000.000 di dollari su una valutazione di 5.000.000.000 questo mese; Cognition ha raccolto 2.000.000.000 su una valutazione di 48.000.000.000.
I soldi ci sono, è evidente. Il robot affidabile che li restituisce in una fabbrica resta la domanda aperta.
Fonti
4- 01Innodata opens motion-capture lab to help humanoids move more like peopleEN
- 02Destro AI's secret sauce is getting robots and humans on the same pageEN
- 03Mind-1: Physical AI at Human Speed, Built for Real WorkEN
- 04Astra, Opus 5.5, and other Frontier Models Demonstrate Jagged Performance Across SoTA Agentic Tasks from Web Browsing to RoboticsEN
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.
Commenti
0- Nessun commento — sii il primo.