Negli ultimi anni, il settore dei robot ha vissuto una trasformazione profonda, trainata dall’evoluzione dell’intelligenza artificiale e da un rinnovato interesse degli investitori. Nel 2025 sono stati stanziati 6,1 miliardi di dollari per i soli robot umanoidi, quattro volte la cifra investita l’anno precedente. A spingere questo cambio di passo è stato un cambiamento radicale nel modo in cui le macchine imparano a interagire con l’ambiente.
Per decenni i robot si sono basati su regole predefinite, con ogni scenario codificato in anticipo dai programmatori. Intorno al 2015 si è iniziato a sperimentare l’apprendimento per rinforzo in ambienti simulati. OpenAI ha applicato questo approccio al suo braccio Dactyl, introducendo la domain randomization per rendere i sistemi più robusti nella realtà. Google ha percorso una strada parallela: il modello RT-2 ha addestrato il robot su immagini generali tratte da internet, ottenendo capacità inedite. “All these other things were unlocked”, ha spiegato Kanishka Rao di Google DeepMind.
Non solo laboratori ma anche le applicazioni industriali. Covariant ha sviluppato RFM-1, un modello capace di interagire con l’operatore e anticipare problemi pratici, oggi in uso nei magazzini di Amazon. Sul fronte degli umanoidi, Agility Robotics ha portato il suo robot Digit in ambienti reali per aziende come Amazon e GXO. I limiti restano concreti: il robot solleva al massimo 35 chili e richiede ricariche frequenti. Il dibattito su standard di sicurezza specifici per robot mobili è già aperto.
Leggi l’articolo completo “How robots learn: A brief, contemporary history” su MIT Technology Review.
Immagine generata tramite DALL-E 3. Tutti i diritti sono riservati. Università di Torino (5/10/2025).
