I costruttori di robot inseguono la velocità umana, Innodata apre un laboratorio di motion capture

Innodata ha aperto il 30 settembre un laboratorio di motion capture. L'azienda dice che produrrà dati di addestramento per robot umanoidi e industriali e che convaliderà in modo indipendente i dati sulle prestazioni che i robot generano al proprio interno. Innodata ha sede a Ridgefield Park, nel New Jersey, ed è stata fondata nel 1988. Cattura dati 3D direttamente dai corpi, umani o meccanici, invece di dedurre il movimento analizzando video 2D.

Secondo The Robot Report, la struttura si rivolge ai team che si scontrano con quello che Innodata chiama un muro dei dati.

"Non c'è alcun sostituto della cattura diretta del movimento in 3D", ha dichiarato a The Robot Report Franklin Tanner, vicepresidente della robotica e dell'AI fisica di Innodata. I sensori, ha spiegato, sono progettati per registrare il più piccolo movimento di ogni giunto. Quando si addestra un umanoide che pesa quasi 200 lb (90,7 kg), le letture "non possono essere approssimative". Tanner ha portato l'esempio di un robot che raccoglie una tazza: afferrare il manico è normale, afferrare la base non è sbagliato, a meno che la tazza non contenga liquido caldo. Il contesto, ha detto, non è sempre codificato nei set di dati esistenti.

Il problema dei dati non riguarda solo il volume. Tanner ha descritto l'AI fisica come qualcosa che deve "guadagnarsi i suoi token un'interazione alla volta". Innodata afferma di produrre dati di addestramento per umanoidi, hardware teleoperato, sistemi indossabili, attrezzature con sensori, pinze Universal Manipulator Interface e altre configurazioni di cattura multimodale. Quei dati, dice, possono alimentare gemelli digitali per i casi limite. Il laboratorio svolge anche validazione indipendente, un aspetto che conta mentre i fornitori pubblicano dichiarazioni sulle prestazioni che gli acquirenti non possono verificare facilmente.

La velocità diventa il prossimo campo di battaglia

Lo stesso giorno MindOn ha presentato Mind-1, un modello di AI fisica che, secondo l'azienda, porta l'esecuzione dei compiti dei robot alla velocità umana nella logistica e negli ambienti quotidiani, con alcune attività completate più rapidamente di quanto farebbe una persona. L'azienda ha pubblicato i dati sulla latenza: inferenza ridotta da 82ms a 32ms. L'argomentazione ingegneristica è concreta. A una velocità dell'end-effector di 3 m/s, 10ms di latenza equivalgono a circa 3cm di movimento, abbastanza da incidere sulla presa di precisione, sull'inserimento o sulla manipolazione a contatto ricco.

MindOn punta anche sui dati di addestramento stessi. Gran parte dei dati sulla manipolazione robotica proviene dalla teleoperazione, spesso più lenta del movimento umano naturale. I modelli imparano così il ritmo delle dimostrazioni insieme al compito. Un robot che completa un'attività cinque o dieci volte più lentamente di una persona, sostiene l'azienda, resta difficile da inserire in flussi di lavoro reali. È un cambio di accento: non più se un robot è in grado di fare un compito, ma se è in grado di farlo nel tempo di ciclo che richiede un magazzino o una fabbrica.

Queste affermazioni commerciali saranno messe alla prova da misurazioni indipendenti. Il 30 settembre Fig Inc. ha pubblicato una valutazione su cinque domini, tra cui Bench2Drive, VLABench, IndEgo e Assembly101. Fig parla di prestazioni irregolari: in ogni coppia di modelli testata, il modello con punteggio più basso ha risolto compiti in cui quello con punteggio più alto ha fallito. Il modello migliore cambiava con il sito web e con le stesse etichette di difficoltà del benchmark. Un aggiornamento del modello poteva lasciare la media quasi invariata mentre molti singoli compiti si ribaltavano. Fig ha pubblicato i risultati a livello di singolo item con il nome RIDGE.

La cosa conta per chi compra un robot in base a un numero da benchmark. Una media di testa, sostengono gli autori, nasconde quanto varia il successo da un compito all'altro. La categoria di compiti su cui un modello viene impiegato incide sull'affidabilità quasi quanto la scelta del modello. Per le installazioni in fabbrica, il guasto che conta è quello sulla propria linea, non quello sparito nella media.

Le startup vendono lo strato, non il corpo

Destro è uscita dalla modalità stealth il 30 settembre con un round seed da 8 milioni di dollari e una proposta insolita: non è un'azienda di robotica. TechCrunch ha riferito che la startup ha costruito uno strato di AI che dirige anche i lavoratori umani. Sta conducendo un progetto pilota in una struttura di Yusen Logistics nel Pacific Northwest con tre robot per il movimento di carrelli costruiti da Miva Robotics. I robot sono gestiti dal sistema Vision di Destro, basato su modelli vision-language-action a pesi aperti. Richard Brunelle, direttore dell'automazione per il gruppo logistico americano di Yusen, ha detto a TechCrunch di aver chiesto a Destro di adattare il suo strumento di picking e packing per il cross-docking, dove le merci passano da un camion a carichi misti destinati ad altri.

"Molte aziende di robotica sono nate da ingegneri robotici che si chiedevano: quali cose interessanti posso fare?" ha detto a TechCrunch Manthan Pawar, fondatore di Destro. "Una delle ragioni principali per cui stiamo vincendo contro le aziende di robotica è che non siamo un'azienda di robotica."

Inbolt, azienda parigina di robotica industriale fondata nel 2019, ha raccolto 11 milioni di euro il 30 settembre per espandersi a livello internazionale ed entrare nei data center e nella produzione elettronica, secondo Tech.eu. Il round è stato guidato da Shift4Good con Bridges Climate Transition Partners e gli investitori esistenti BNP Paribas Développement e Ora Global, portando il finanziamento totale a 30 milioni di euro. Inbolt combina visione 3D con uno strato software di AI indipendente dall'hardware che regola i cicli di controllo dei robot in tempo reale. L'azienda afferma che il suo sistema gira su più di 200 robot in oltre 100 fabbriche su tre continenti, con clienti tra cui Bosch, Beko, Flex, Ford, Stellantis e Toyota.

Entrambe le aziende vendono la stessa intuizione: l'hardware è sempre più una commodity, e la parte difficile è far convivere una base installata con la variabilità, i pezzi disallineati e l'usura degli attrezzi senza fermare la linea.

La base industriale resta il punto

Il contrappeso più chiaro all'hype sugli umanoidi sta nella base installata più vecchia. Il 22 settembre Linton Crystal Technologies ha citato in giudizio Zhejiang Jingsheng presso la US District Court for the Eastern District of Texas, Marshall Division, rivendicando due brevetti che coprono un sistema di sollevamento e rotazione del seme per i tiratori di cristallo Czochralski, secondo Electrek. Jingsheng, quotata a Shenzhen e valutata circa 53 miliardi di yuan, ha reso noto il contenzioso agli investitori il 24 settembre. L'azienda afferma 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, danni triplicati per contraffazione volontaria e un'ingiunzione permanente.

Il caso riguarda la fabbrica solare che Tesla prevede in Texas, perché i tiratori sono il primo passo nella produzione dei wafer. La stampa commerciale cinese ha riferito che Jingsheng ha vinto all'inizio di quest'anno un ordine Tesla per tiratori di cristallo da circa 3 miliardi di yuan (circa 420 milioni di dollari). La stessa stampa ha delineato una cronologia: una gara Tesla si è chiusa a febbraio, i contratti sono stati firmati a marzo, le spedizioni sono iniziate ad aprile e la consegna completa era prevista per il terzo trimestre. Né Tesla né Jingsheng hanno confermato l'ordine, e Tesla non è parte del contenzioso. Electrek ha anche osservato che i ricavi di Jingsheng sono calati di circa il 40% su base annua nella prima metà del 2026 e che Dalian Linton ha registrato una piccola perdita nello stesso periodo, mentre un'eccedenza produttiva cinese nel solare ha schiacciato gli ordini di attrezzature.

Un tipo diverso di verifica della realtà è arrivato da KIDZ AI, società quotata al Nasdaq del valore di circa 2,4 milioni di dollari. Il 30 settembre ha annunciato di aver inviato a Tesla una richiesta di acquisto per 500 Robotaxi. Electrek ha riferito che la società, un tempo una scuola di programmazione online chiamata Classover Holdings, ha dichiarato che la richiesta non costituisce un ordine vincolante e che il piano è in fase preliminare. I risultati del secondo trimestre 2026 hanno mostrato ricavi da servizi in calo del 34% su base annua a 0,48 milioni di dollari e una perdita trimestrale di 2,5 milioni di dollari. Il titolo è salito di circa il 10% nelle contrattazioni pre-mercato ed è sceso di circa il 6% dopo l'apertura, e nell'ultimo anno è in calo di circa il 99,97%.

Altrove, nello stesso mucchio del 30 settembre, Arrowfly, società madre di The Robot Report, ha lanciato AI for Engineers. La piattaforma comprende una redazione, una conferenza annuale in programma dal 20 al 22 settembre 2027 a Henderson, Nevada, ricerca originale e un comitato consultivo. È rivolta agli ingegneri che applicano l'AI nella progettazione di prodotti, nella produzione, nella robotica, nella medtech e nell'energia. La proposta riguarda il passaggio dalla sperimentazione ad applicazioni ripetibili, non un robot in particolare. Rongzhong Li, che ha spedito più di 30.000 robot quadrupedi dalla campagna Nybble del 2018, ha scritto su Hackster che i prodotti più consegnati nella robotica degli ultimi anni sono stati i video, e che ogni incarnazione trova prima o poi la strada più vicina a ciò che sa fare meglio. La fabbrica degli umanoidi sarà giudicata allo stesso modo.