La corsa alle fabbriche di robot umanoidi si scontra con il problema dei dati
Innodata ha aperto il 30 settembre un laboratorio di motion capture per generare dati di addestramento per robot umanoidi, lo stesso giorno in cui Inbolt ha chiuso un round da 11 milioni di euro per la visione robotica e MindOn ha presentato un modello che, secondo l'azienda, riduce la latenza di inferenza da 82ms a 32ms.

Il 30 settembre l'azienda di ingegneria dei dati Innodata, con sede nel New Jersey, 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. Convaliderà inoltre in modo indipendente i dati sulle prestazioni che i robot producono al loro interno, secondo quanto riportato da The Robot Report, che ha diffuso la notizia il 30 settembre.
È un edificio piccolo con una pretesa grande: che il collo di bottiglia nell'AI fisica non siano 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 con il mondo 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. L'azienda ha spiegato che la struttura copre l'intero ciclo, dalla raccolta dei dati alla valutazione dei modelli, e che registrerà il movimento di umanoidi, hardware teleoperato, sistemi indossabili, set di sensori e pinze Universal Manipulator Interface. Innodata, fondata nel 1988, sostiene che mentre i modelli linguistici di grandi dimensioni si sono nutriti del web 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 propri token un'interazione alla volta». Tanner ha anche argomentato contro la motion capture basata sull'inferenza: non esiste «alcun sostituto della motion capture 3D diretta» e i modelli di visione artificiale che lavorano su pixel 2D finiscono inevitabilmente per sbagliare. I sensori del laboratorio, ha aggiunto, sono progettati per registrare il più piccolo movimento di ogni giunto.
L'argomento non è nuovo. Ora, però, viene finanziato.
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 center e dell'elettronica, secondo Tech.eu. Il round è stato guidato dal nuovo investitore Shift4Good, con la partecipazione di Bridges Climate Transition Partners e dei finanziatori già presenti 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 di AI indipendente dall'hardware, abbinato a una visione 3D che permette ai robot di correggere i propri cicli di controllo in tempo reale quando i pezzi arrivano disallineati o l'attrezzatura si usura. Il 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, 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 dichiara di aver ridotto la latenza di inferenza da 82ms a 32ms. Sostiene inoltre che, a una velocità dell'end-effector di 3 metri al secondo, appena 10ms di latenza corrispondono a circa 3cm di movimento, abbastanza per compromettere una presa o un inserimento precisi. MindOn segnala anche un problema meno evidente: gran parte dei dati di manipolazione robotica proviene dalla teleoperazione, che è più lenta del movimento umano naturale, così i modelli imparano il ritmo delle dimostrazioni insieme al compito.
Tre annunci, un giorno, una premessa condivisa. Le dimostrazioni 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 un'enorme varianza a livello di singolo compito. 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 compiti individuali. Hanno rilasciato un dataset chiamato RIDGE con i risultati a livello di singolo elemento e le tracce dei modelli.
Se si legge questo dato accanto ai numeri delle fabbriche, il quadro cambia di nuovo.
Il contesto di tutto questo è una base manifatturiera già automatizzata, e in gran parte non umanoide. Più di cinque milioni di robot lavorano oggi nelle fabbriche di tutto il mondo, e solo migliaia sono umanoidi, secondo quanto riassunto in recenti servizi di settore. Gli stessi servizi notano che la cinese UBTECH ha aperto a settembre uno stabilimento con una capacità dichiarata di un umanoide ogni dieci minuti, e che Hyundai sta aumentando la produzione e la diffusione di Atlas mentre apre un centro di addestramento nel suo impianto in Georgia. Il Giappone vuole 10 milioni di robot AI entro il 2040, secondo TechRadar del 30 settembre, mentre la coreana SFA ha firmato un memorandum d'intesa con Rainbow Robotics per puntare a fabbriche senza personale entro il 2030, secondo Korea JoongAng Daily.
Non ogni robot di questa espansione sarà un umanoide. Mark Cuban ha sostenuto che i robot dalla forma umana falliranno entro un decennio, posizione che ha ripetuto nei giorni scorsi, mentre IEEE Spectrum ha pubblicato le valutazioni degli esperti di robotica sull'Optimus di Tesla. La catena di fornitura di Tesla è sotto pressione altrove: il 30 settembre Electrek ha riportato che la fabbrica solare prevista in Texas è stata tirata dentro una causa brevettuale statunitense tra i produttori cinesi di attrezzature Linton Crystal Technologies e Zhejiang Jingsheng, per i tiratori 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 pochi fornitori, che sta davanti a un piano di produzione molto lungo.
Il che riporta il discorso ai dati. Tanner di Innodata ha dato a The Robot Report un esempio concreto di quanto sia difficile codificare il contesto: a un robot incaricato di prendere una tazza si può dire di afferrarla per il manico o per la base, ed entrambe le prese sono meccanicamente valide, ma se la tazza contiene liquido caldo una delle due brucia la mano. Questo tipo di distinzione è raramente presente nei dataset esistenti. I clienti di Inbolt affrontano un problema analogo nella produzione reale, dove un pezzo disallineato può bloccare un robot o produrre un risultato difettoso, e dove il costo si manifesta come fermo macchina invece che come demo fallita. L'aritmetica della latenza di MindOn è la terza faccia della questione: ad alta velocità, 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 al capitale che affluisce nell'hardware umanoide, ma sono puntati sulla base installata, non sui nuovi umanoidi. Innodata vende misurazione e valutazione, non robot. Arrowfly, la società controllante di The Robot Report, ha lanciato il 30 settembre una piattaforma AI for Engineers rivolta proprio a questo pubblico di professionisti. 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 vanno 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 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.
Fonti
8- 01Innodata opens motion-capture lab to help humanoids move more like peopleEN
- 02Inbolt raises €11M to bring real-time vision and intelligence to industrial robotsEN
- 03Mind-1: Cutting robot inference latency from 82ms to 32msEN
- 04How Do Astra and Opus 5.5 Perform on Robotics and Web TasksEN
- 05The Robot Report parent Arrowfly launches AI for Engineers platform, events for engineers navigating AIEN
- 06Tesla's solar factory dragged into patent war between Chinese suppliersEN
- 07Tesla Robotaxi fleets are the new crypto treasury for zombie companiesEN
- 08What 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.
Commenti
0- Nessun commento — sii il primo.