La corsa alle fabbriche di robot umanoidi sbatte contro il problema dei dati

Il 30 settembre Innodata, azienda del New Jersey che si occupa di data engineering, ha aperto un laboratorio di ricerca e sviluppo dedicato alla motion capture 3D per i robot. La struttura registrerà il movimento direttamente da corpi umani e meccanici. Verificherà anche, in modo indipendente, i dati sulle prestazioni che i robot generano al proprio interno. Lo riferisce The Robot Report, che ha pubblicato la notizia il 30 settembre.

È un edificio piccolo con una tesi ambiziosa appiccicata sopra: il collo di bottiglia dell'AI fisica non sono i motori, non le mani, non gli attuatori, ma i dati.

«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 nel mondo reale, e quelli che esistono sono costosi e lenti da produrre», ha dichiarato Rahul Singhal, amministratore delegato di Innodata, in una nota riportata da The Robot Report. L'azienda ha spiegato che la struttura copre l'intero arco dalla raccolta dei dati alla valutazione dei modelli. Registrerà il movimento di umanoidi, hardware teleoperato, sistemi indossabili, attrezzature sensorizzate e pinze Universal Manipulator Interface. Innodata, fondata nel 1988, sostiene che mentre i grandi modelli linguistici si sono nutriti dell'internet aperto, i robot non hanno un corpus equivalente per il mondo fisico. Il vicepresidente per la robotica e l'AI fisica, Franklin Tanner, ha detto a The Robot Report che l'AI fisica «deve guadagnarsi i suoi token un'interazione alla volta». Tanner ha anche argomentato contro la motion capture basata sull'inferenza: non esiste «nessun sostituto della motion capture 3D diretta», ha affermato, e i modelli di computer vision che lavorano su pixel 2D commettono inevitabilmente errori. I sensori del laboratorio, ha aggiunto, sono progettati per registrare il movimento più piccolo di ogni giunto.

L'argomento non è nuovo. Ora, però, trova chi lo finanzia.

Sempre il 30 settembre, la parigina Inbolt ha annunciato di aver raccolto 11 milioni di euro per espandersi a livello internazionale ed entrare nella manifattura dei data centre e dell'elettronica, ha riferito Tech.eu. Il round è stato guidato dal nuovo investitore Shift4Good, con la partecipazione di Bridges Climate Transition Partners e dei sostenitori storici BNP Paribas Developpement e Ora Global, portando il finanziamento totale a 30 milioni di euro. Inbolt, fondata nel 2019 da Rudy Cohen, Albane Dersy e Louis Dumas, vende uno strato software AI indipendente dall'hardware combinato con la visione 3D. Il sistema permette ai robot di correggere i propri cicli di controllo in tempo reale quando i pezzi arrivano disallineati o l'attrezzatura si usura. Gira su più di 200 robot in oltre 100 fabbriche distribuite su tre continenti, con clienti tra cui Bosch, Beko, Flex, Ford, Stellantis e Toyota, secondo Tech.eu. La proposta dell'azienda è che le fabbriche possano aggiornare le linee esistenti invece di sostituirle.

Poi c'è la velocità. MindOn ha pubblicato il 30 settembre un post tecnico che presenta Mind-1, un modello di AI fisica che secondo l'azienda porta l'esecuzione dei compiti robotici a tempi di ciclo paragonabili a quelli umani. L'azienda ha dichiarato di aver ridotto la latenza di inferenza da 82ms a 32ms. Ha poi osservato che, a una velocità dell'end-effector di 3 metri al secondo, appena 10ms di latenza corrispondono a circa 3cm di spostamento, abbastanza per compromettere una presa o un inserimento di precisione. MindOn ha segnalato anche un problema meno evidente: gran parte dei dati di manipolazione robotica proviene dalla teleoperazione, che è più lenta del movimento umano naturale. I modelli, così, imparano il ritmo delle dimostrazioni insieme al compito.

Tre annunci, un giorno, una premessa condivisa. Le demo di capacità non sono più la parte difficile.

Un rapporto tecnico di Fig Inc., anch'esso pubblicato il 30 settembre, complica il quadro in modo utile. I ricercatori Yangyue Wang, Harshvardhan Sikka, Pranav Guruprasad e Sudipta Chowdhury hanno valutato modelli di frontiera tra cui Astra e Opus 5.5 su automazione web e quattro domini fisici: Bench2Drive, VLABench, IndEgo e Assembly101. La loro conclusione è che le medie dei benchmark nascondono una varianza enorme a livello di singolo task. In ogni coppia di modelli testata, il modello 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 task. Hanno rilasciato un dataset chiamato RIDGE con risultati a livello di item e tracce dei modelli.

Leggete questo dato insieme ai numeri delle fabbriche e il quadro cambia ancora.

Il contesto di tutto questo è una base manifatturiera già automatizzata, e per lo più non umanoide. Più di cinque milioni di robot lavorano oggi nelle fabbriche di tutto il mondo, e solo migliaia sono umanoidi, secondo quanto riportato in una sintesi della recente copertura di settore. La stessa copertura nota che a settembre la cinese UBTECH ha aperto uno stabilimento con una capacità dichiarata di un umanoide ogni dieci minuti, e che Hyundai sta scalando la produzione e il dispiegamento di Atlas mentre apre un centro di formazione nel suo impianto in Georgia. Il Giappone vuole 10 milioni di robot AI entro il 2040, ha riferito TechRadar il 30 settembre. La coreana SFA, intanto, ha firmato un MOU con Rainbow Robotics puntando a fabbriche senza uomini entro il 2030, secondo Korea JoongAng Daily.

Non tutti i robot di questa espansione saranno umanoidi. Mark Cuban ha sostenuto che i robot a forma umana falliranno entro un decennio, posizione che ha ribadito nei giorni scorsi, mentre IEEE Spectrum ha pubblicato le valutazioni di esperti di robotica sull'Optimus di Tesla. La catena di fornitura di Tesla è sotto pressione altrove: il 30 settembre Electrek ha riferito che la fabbrica solare prevista in Texas è stata trascinata in una causa brevettuale statunitense tra i produttori cinesi di attrezzature Linton Crystal Technologies e Zhejiang Jingsheng. Al centro della causa ci sono i trafilatori Czochralski necessari alla fase di crescita degli lingotti del piano solare di Tesla. Tesla non è parte in causa.

Questa storia conta qui per una ragione strutturale. La catena di fornitura degli umanoidi e quella del solare non sono la stessa, ma il modo in cui falliscono sì: un singolo componente specializzato, acquistato da un numero ristretto di fornitori, che sta davanti a un piano di produzione molto lungo.

Il che riporta l'argomento ai dati. Tanner di Innodata ha fornito a The Robot Report un esempio concreto di quanto sia difficile codificare il contesto: a un robot incaricato di raccogliere una tazza si può dire di afferrarla per il manico o per la base, ed entrambe sono valide dal punto di vista meccanico, ma se la tazza contiene liquido bollente una delle due brucia la mano. Questo tipo di distinzione è raramente presente nei dataset esistenti. I clienti di Inbolt affrontano un problema simile nella produzione reale, dove un pezzo disallineato può bloccare un robot o produrre output difettosi, e dove il costo si manifesta come fermo macchina più che come demo fallita. L'aritmetica della latenza di MindOn è la terza faccia della questione: ad alta velocità, i piccoli errori di percezione e controllo smettono di essere piccoli.

Il denaro si muove di conseguenza. Gli 11 milioni di euro di Inbolt sono modesti rispetto ai capitali che affluiscono verso l'hardware umanoide, ma sono mirati alla base installata, non ai nuovi umanoidi. Innodata vende misurazione e valutazione, non robot. Arrowfly, la società madre di The Robot Report, ha lanciato il 30 settembre una piattaforma AI for Engineers rivolta esattamente a questo pubblico di professionisti. Nella presentazione cita più di 30.000 professionisti dell'ingegneria già attivi sui temi dell'AI nel suo portafoglio, 2,1 milioni di lettori verificati del settore e una conferenza in programma dal 20 al 22 settembre 2027 a Henderson, Nevada. È un business editoriale, non di robotica, ma è un indicatore ragionevole di dove stanno andando attenzione e budget.

Una precisazione da fare senza giri di parole. Gran parte della capacità produttiva di umanoidi annunciata è capacità, non produzione. Nomi, date e obiettivi di unità circolano più in fretta delle unità spedite, e il divario tra l'apertura di una fabbrica e una fabbrica che gira a regime si misura di solito in trimestri, a volte in anni. Il dossier non fornisce cifre di produzione verificate per nessuna linea di umanoidi, e nessuna va dedotta dalla capacità annunciata.

Quello che il dossier mostra, attraverso otto fonti pubblicate negli ultimi tre giorni, è un mercato che converge sulla stessa diagnosi da direzioni diverse. Innodata vuole vendere i dati di addestramento. Inbolt vuole vendere lo strato di percezione che permette ai bracci esistenti di gestire la variabilità. MindOn vuole vendere velocità. I ricercatori di Fig vogliono vendere un benchmark più onesto. Nessuno di loro vende il robot.