La Cina ha costruito il corpo dei robot. Ora deve dargli un cervello

Il corpo, ormai, c’è. Corre, mantiene l’equilibrio, afferra oggetti, esegue capriole, combatte e danza in sincronia con altre decine di consimili. Ai World Humanoid Robot Games di Pechino dello scorso agosto, un umanoide ha perfino percorso i 100 metri in 8,64 secondi, anche se in condizioni non direttamente confrontabili con quelle di una gara umana. Le dimostrazioni spettacolari che arrivano dalla Cina - talvolta un po’ troppo spettacolarizzate ma fa parte del rischio di questo tipo di narrazioni - raccontano quanto rapidamente sia avanzata la meccanica della robotica umanoide. Ma costruire un corpo capace di muoversi non significa ancora costruire una macchina capace di cavarsela nel mondo. La corsa all’embodied AI È qui che si sta spostando la nuova corsa cinese alla robotica. Un approfondimento pubblicato da Reuters racconta come aziende e investitori stiano riversando capitali non più soltanto nell'hardware ma soprattutto nell’embodied AI, l'intelligenza artificiale incorporata nelle macchine che dovrebbe consentire loro di comprendere l'ambiente, apprendere compiti sempre nuovi e adattarsi a circostanze per le quali non sono state programmate in precedenza. Nel primo semestre del 2026 le società cinesi attive in questo settore hanno raccolto 93,5 miliardi di yuan, circa 13 miliardi di dollari, attraverso 322 operazioni: cinque volte il livello dello stesso periodo dell'anno precedente. È chiaramente l’urgenza del momento. Ed è un cambio di prospettiva importante. La progressiva riduzione dei costi dell'hardware sta infatti spostando il valore economico verso il software. Il vantaggio competitivo non sarà necessariamente possedere il robot che corre più velocemente o esegue la capriola più spettacolare ma quello capace di entrare in un magazzino, osservare un'attività mai svolta prima, comprenderla in poche ripetizioni e imparare a ripeterla senza settimane di programmazione. In altri termini, abbiamo imparato abbastanza bene a costruire il corpo. Molto meno a insegnargli che cosa fare. Robot come bambini? È una questione che Giorgio Metta, direttore scientifico dell'Istituto Italiano di Tecnologia e massimo esperto italiano di robotica, aveva spiegato a Sky TG24 già lo scorso giugno. Per compiere il salto successivo l'intelligenza artificiale deve imparare attraverso l'esperienza, un po' come fanno i bambini. Non basta accumulare enormi quantità di informazioni: bisogna collegare percezione e azione, verificare le conseguenze di ciò che si fa e modificare il comportamento sulla base del risultato. Per un chatbot il problema è relativamente più semplice. Un modello linguistico può essere addestrato su quantità gigantesche di testi, immagini e video già disponibili. Un robot deve invece imparare che un bicchiere può scivolare o rompersi se stretto troppo forte, che un cavo si piega in modi difficili da prevedere, che una porta oppone resistenza, che due oggetti apparentemente identici possono richiedere una presa differente. Deve acquisire, insomma, qualcosa che assomigli in qualche maniera a una conoscenza intuitiva e istantanea della fisica del mondo. Alcuni esempi per insegnare ai robot Ed è proprio sui dati necessari a costruire questa esperienza che si sta giocando una parte decisiva della competizione. Secondo Reuters Spirit AI ha per esempio assunto circa mille persone per registrare attività quotidiane e industriali. ACE Robotics utilizza sensori indossabili per catturare movimenti e forza della presa dei lavoratori. Robbyant, la divisione robotica di Ant Group, sostiene di avere addestrato un modello su 160mila ore di materiale, comprese 50mila ore di movimenti eseguiti da robot guidati dagli esseri umani. L'obiettivo più ambizioso è fare in modo che ciò che viene imparato non rimanga legato a una singola macchina: lo stesso software di Robbyant è stato addestrato su venti configurazioni robotiche appartenenti a 17 marchi differenti. Una piattaforma, insomma, più che un singolo modello di robot. Altri puntano sulla simulazione. Invece di accumulare milioni di ore nel mondo reale, si costruiscono ambienti virtuali nei quali il robot può provare un'azione migliaia o milioni di volte senza rompere oggetti, fermare una linea produttiva o naturalmente mettere qualcuno in pericolo. Ma anche qui emerge un limite: una simulazione non riproduce perfettamente attriti, deformazioni, contatti e tutte le piccole, infinite e sfumate imprevedibilità della realtà. Per insegnare alle macchine il mondo fisico bisogna prima riuscire a rappresentarlo con sufficiente precisione. Il tutto con diversi livelli di complessità, in una specie di collaborazione reciproca. Lo scorso settembre avevamo raccontato su Sky TG24 un esperimento dell'Università della California, Irvine, che aggiungeva un altro tassello al problema: non basta che i robot imparino dagli esseri umani, bisogna anche aiutare gli esseri umani a insegnare meglio ai robot. In quel lavoro un sistema di intelligenza artificiale interveniva nel processo di insegnamento suggerendo alle persone dimostrazioni più informative, così da fornire alla macchina esempi realmente utili all'apprendimento. Cosa deve fare un robot generalista alimentato dall’AI Il punto è cruciale perché il paradigma della robotica sta lentamente cambiando. Il robot industriale tradizionale che conosciamo da decenni è straordinariamente bravo a ripetere milioni di volte la stessa operazione in un ambiente perfettamente controllato. Il robot generalista che oggi inseguono aziende cinesi e statunitensi per assurdo deve fare quasi il contrario: affrontare un mondo non controllato e capire che cosa fare quando qualcosa non va come previsto. Reuters racconta un esperimento significativo. Un robot sviluppato da JoyIn Technology doveva mettere delle cuffie in un armadio troppo alto per raggiungerlo e falliva ripetutamente. Dopo che gli ingegneri gli avevano mostrato alcuni video di persone impegnate ad affrontare situazioni simili, la macchina ha spinto una scatola verso l'armadio tentando poi di salirci sopra. Non aveva semplicemente riprodotto una sequenza prestabilita: stava esplorando possibili strategie per raggiungere un obiettivo. È esattamente questo il confine che separa una dimostrazione impressionante da un robot realmente utile. Qualche applicazione industriale sta già uscendo dai laboratori. CATL utilizza robot di Spirit AI per collegare cavi flessibili durante i test dei pacchi batteria nel suo stabilimento di Zhongzhou, mentre i sistemi di Robbyant gestiscono ordini in due farmacie di Shanghai, anche se il controllo finale dei medicinali rimane affidato al personale. Il colosso Unitree, uno dei simboli dell'avanzata cinese, continua intanto a investire pesantemente proprio nei modelli di embodied intelligence: nel terzo trimestre la sua spesa in ricerca e sviluppo è aumentata del 249,6% rispetto a un anno prima. Non significa che l'arrivo in massa degli umanoidi nelle fabbriche e soprattutto nelle case sia dietro l'angolo. Il passaggio dall'ambiente industriale controllato alla quotidianità è enorme. Una casa è probabilmente uno degli ambienti più complicati che si possano immaginare per una macchina: oggetti spostati continuamente, superfici differenti, bambini, animali, ostacoli imprevisti e richieste formulate in modo ambiguo. Non a caso Reuters sottolineava pochi giorni fa come i robot continuino ad avere difficoltà proprio davanti a situazioni che non hanno già incontrato. E in fondo la vita di ciascuno di noi è costellata di situazioni che non abbiamo mai incontrato. La competizione fra Stati Uniti e Cina si sta quindi spostando su un terreno diverso da quello che mostrano i video virali. Gli Stati Uniti mantengono un vantaggio in alcuni dei modelli più avanzati e nella disponibilità di capacità di calcolo, mentre la Cina può sfruttare un ecosistema manifatturiero enorme, la vicinanza fra produttori di hardware e sviluppatori di software che accelera in modo impressionante la sperimentazione tagliando i tempi della prototipazione e dei test e soprattutto una quantità di fabbriche, magazzini e attività reali nelle quali raccogliere dati e mettere alla prova le macchine. Restano però ostacoli importanti, dalla disponibilità dei chip più avanzati alle valutazioni finanziarie di un settore sul quale le stesse autorità cinesi hanno recentemente iniziato a frenare gli entusiasmi. Il fondatore di Unitree, il 36enne Wang Xingxing, ha parlato della possibilità di una sorta di “momento ChatGPT” della robotica che sarebbe dietro l’angolo: una discontinuità capace di trasformare improvvisamente ciò che consideriamo possibile. La sua soglia è ambiziosa: un robot in grado di eseguire l'80% dei compiti nell'80% degli ambienti sconosciuti semplicemente ricevendo istruzioni vocali. Prima di arrivarci, però, servirà qualcosa di meno spettacolare di una capriola o di un pur impressionante balletto e probabilmente molto più difficile. Bisognerà insegnare alle macchine quel patrimonio di esperienza fisica che noi accumuliamo quasi senza accorgercene fin dai primi mesi di vita : osservare, provare, sbagliare, correggersi e infine capire come comportarsi davanti a qualcosa che non avevamo mai visto prima. La robotica ha fatto progressi enormi nel costruire corpi sempre più simili ai nostri. La vera sfida, adesso, è insegnare loro a stare nel nostro mondo.

Cosa vedere:

Come vederlo:

Online con Sky:

La Cina ha costruito il corpo dei robot. Ora deve dargli un cervello

Simone Cosimi