Robot umanoidi in fabbrica: i dati, la latenza e una lite nel consiglio

Innodata ha aperto un laboratorio di motion capture il 30 settembre. Servirà a produrre dati di addestramento per robot umanoidi e industriali e a verificare in modo indipendente le cifre sulle 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 per il tracciamento ottico misurano il movimento fino al livello del sottomillimetro, secondo The Robot Report.

È l'ultimo sviluppo di una settimana di annunci su hardware e software che puntano tutti allo stesso vuoto: i robot si muovono, ma i dati e i cicli di controllo che stanno dietro non sono ancora abbastanza buoni per 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 nel mondo reale, e quelli che esistono costano cari e richiedono tempi lunghi per essere prodotti", ha detto Rahul Singhal, amministratore delegato di Innodata, nell'annuncio. Franklin Tanner, vicepresidente della società per la robotica e la 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 dedurlo da un video 2D. I dati così ottenuti possono alimentare gemelli digitali per i casi limite. Tanner ha anche indicato un limite di cui il settore preferisce non parlare: oggi non esistono dati di addestramento in cui esseri umani e robot interagiscono tra loro. È una delle aree su cui lavora il nuovo laboratorio.

La società non è sola nel sostenere che siano i dati, non il corpo del robot, a decidere il debutto operativo. Destro AI è uscita dalla modalità stealth il 30 settembre con un round seed da 8 milioni di dollari, guidato da Base10 Partners e Bonfire Ventures con CoFound Partners, e una proposta insolita. Non costruisce robot.

"Una delle ragioni principali per cui stiamo battendo 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 i lavoratori umani oltre che le macchine. In un impianto di Yusen Logistics nel Pacifico nordoccidentale, tre robot per il movimento dei carrelli costruiti da Miva Robotics girano sul sistema operativo Vision di Destro, basato su modelli vision-language-action 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 detto a TechCrunch che altre due startup di robotica non riuscivano a inserirsi nello stesso flusso di cross-dock: una spostava i carrelli da un punto all'altro ma non gestiva il carico o lo scarico, l'altra aveva bisogno di una persona per il coordinamento.

Destro sta ora ampliando quel progetto pilota 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 osserva 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 e avvicina l'esecuzione dei compiti ai tempi di ciclo umani. Il post spiega senza giri di parole perché questo conta: a una velocità dell'end-effector di 3 metri al secondo, 10 millisecondi di latenza equivalgono a circa 3 centimetri di movimento, abbastanza da 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 frastagliati

Uno studio separato pubblicato il 30 settembre da ricercatori di Fig. Inc mette in dubbio i punteggi usati per confrontare i modelli che guidano 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 ha eseguito tre modelli su quattro domini fisici: VLABench, Assembly101, IndEgo e Bench2Drive. La conclusione è che le medie dei benchmark nascondono quanto i modelli rendano in modo disomogeneo. Per ogni coppia di modelli testata, il 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 hanno comunque fatto peggio in alcune categorie di compiti.

Niente di tutto questo 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 consulente del consiglio, sostenendo che Degnan abbia 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 licenziato. Khosla Ventures, investitore in entrambe le società, ha visto il fondatore Vinod Khosla e il partner Keith Rabois schierarsi su fronti opposti su X. Questo mese Factory ha raccolto 200 milioni di dollari su una valutazione di 5 miliardi di dollari; Cognition ha raccolto 2 miliardi di dollari su una valutazione di 48 miliardi di dollari.

I soldi ci sono, questo è chiaro. Il robot affidabile che li ripaga in una fabbrica resta la domanda aperta.