Articoli · Robotica
I robot imparano dalle persone
I modelli linguistici hanno imparato da migliaia di miliardi di parole. I robot non hanno ancora una biblioteca così. Nella robotica ora scarseggiano i dati su come lavorano le persone.

Nel 1988 lo studioso di robotica Hans Moravec scrisse che «è relativamente facile far sì che i computer mostrino prestazioni da adulti nei test d’intelligenza o nel gioco della dama, ed è difficile o impossibile dare loro le capacità di un bambino di un anno per quanto riguarda la percezione e la mobilità». Quasi quarant’anni dopo, il suo paradosso è ancora valido. Un modello linguistico può superare l’esame da avvocato. Un robot che piega il bucato fa ancora notizia.
La biblioteca che manca
In parte la ragione sono i dati. Meta ha addestrato i suoi modelli linguistici Llama 3 su oltre 15'000 miliardi di token di testo, raccolti da fonti pubbliche e in gran parte scritti da persone per altre persone. Per ciò che fanno le mani non esiste un archivio simile. Nessuno ha passato decenni ad annotare le forze in gioco in una mano che apre un barattolo.
Il più grande progetto aperto finora mostra il divario. Nel 2023 Google DeepMind e partner di 21 istituzioni hanno riunito i dati di 22 tipi di robot nel dataset Open X-Embodiment: oltre un milione di episodi registrati, per più di 500 abilità. È stata una pietra miliare per il settore. Accanto ai testi che addestrano un modello linguistico, è un opuscolo.
Tutti raccolgono dati
I soldi hanno seguito il problema. Physical Intelligence, una startup di San Francisco fondata nel 2024 per sviluppare modelli generali per robot, ha raccolto 400 milioni di dollari nel novembre 2024 e altri 600 milioni un anno dopo, con una valutazione di 5,6 miliardi di dollari. Da allora, secondo la stampa, è in trattative per un nuovo round a una valutazione molto più alta. Tra le sue sfide principali ha indicato quella di ottenere abbastanza dati, da molti compiti e da molti robot.
I metodi sono diversi. Alcune aziende pilotano i robot a distanza e registrano ogni movimento. Altre fanno indossare alle persone tute per il motion capture. Nel 2025 Tesla ha comunicato al personale che addestra il suo robot Optimus che avrebbe puntato invece soprattutto sui video, con lavoratori che indossano telecamere mentre piegano camicie e raccolgono oggetti, perché il video scala più in fretta.
Dove entriamo in gioco noi
Tutti questi approcci condividono un’idea: il miglior insegnante del lavoro fisico è una persona che lo fa bene. Un meccanico sente quando un bullone sta per spanarsi. Un infermiere sa come girare un paziente senza fargli male. È questo sapere che manca ai robot, e in gran parte non è mai stato registrato.
Per questo due delle nostre aziende ci lavorano. Archaí Physics registra come lavorano davvero le persone, così che i robot possano impararlo. physical.wiki raccoglie ciò che gli oggetti fanno in mano: il loro peso, la loro presa, come si aprono e come si rompono.
L’hardware costa meno ogni anno. Buone registrazioni di lavoro qualificato, fatte con il consenso di chi lo svolge, sono ancora rare, ed è lì che investiamo il nostro denaro.
Fonti
Le fonti sono indicate nella lingua originale.
- Hans Moravec: Mind Children, Harvard University Press, 1988
- Wikipedia: Moravec’s paradox
- OpenAI: GPT-4, March 2023
- Meta AI: Introducing Meta Llama 3, April 2024
- Google DeepMind: Scaling up learning across many different robot types, October 2023
- Open X-Embodiment: Robotic learning datasets and RT-X models
- Bloomberg: Robotics startup Physical Intelligence valued at $5.6 billion, November 2025
- Dataconomy: Bezos-backed Physical Intelligence raises $600M, November 2025
- eWeek, reporting Business Insider: Tesla’s Optimus has a new training strategy, August 2025
- TechCrunch: Physical Intelligence in talks to raise $1 billion again, March 2026
Altri articoli
CapitaleL’efficienza è il nuovo fossatoDeepSeek è costata a Nvidia 589 miliardi di dollari in un giorno, facendo di più con meno. La lezione per i fondatori è più vecchia dell’AI: chi ha bisogno di meno soldi è il più difficile da raggiungere.
FondatoriUn business plan mette alla prova il giudizioEisenhower diceva che i piani non valgono nulla, ma pianificare è tutto. Nei business plan ci interessa la pianificazione. Ecco che cosa guardiamo per primo.
PartnershipLa chimica è due diligenceNoam Wasserman ha scoperto che il 65 % delle startup ad alto potenziale fallisce per conflitti tra cofondatori. Per questo esaminiamo le persone prima di leggere il piano.