L’evoluzione dei robot generalisti: l’AI ridisegna il futuro dell’automazione

Con un totale di 655 aziende^{, l’industria italiana della robotica e dell’automazione è la più grande d’Europa per numero di imprese, davanti a Francia e Germania e si caratterizza per diversificazione e maturità tecnologica. Non a caso, l’Italia è da sempre pioniera nella ricerca e nello sviluppo di soluzioni che rendono sempre più efficienti e automatizzate le linee industriali. E i produttori italiani in questo settore sono tra i partner ingegneristici preferiti di molte aziende nei comparti più disparati – come alimentare, chimico-farmaceutico e tessile – in tutto il mondo.}

Secondo l’ultimo report sulla Technology Vision 2025 di Accenture, l’introduzione dell’intelligenza artificiale nel settore rappresenterà un’opportunità importante, non solo per l’automazione in sé, ma anche per tutte le aziende che possono avvalersene nei propri ambiti industriali.

Tuttavia, la fiducia sarà un elemento essenziale per la diffusione dell’AI all’interno di un’organizzazione e per l’autonomia di sistemi robotici avanzati.

Dai robot specializzati ai generalisti: un nuovo paradigma

Fino a pochi anni fa, programmare un robot significava doverlo addestrare minuziosamente per ogni singolo compito, rendendo la personalizzazione complessa e costosa. Per questo, i robot erano progettati per svolgere compiti specifici e ripetitivi, limitandone l’adattabilità e l’impiego in contesti mutevoli.

Oggi, invece, grazie agli sviluppi del machine learning, siamo testimoni di una evoluzione nella robotica, che coinvolge tre dimensioni fondamentali:

• comprensione contestuale
• comunicazione
• pianificazione/azione.

La comprensione contestuale permette ai robot di interpretare e reagire in modo appropriato a una vasta gamma di situazioni, migliorando la loro capacità di adattarsi a contesti diversi.

La comunicazione avanzata consente ai robot di interagire efficacemente con gli esseri umani e altri sistemi, facilitando una collaborazione più fluida e intuitiva.

Infine, la pianificazione e l’azione permettono ai robot di prendere decisioni autonome e di eseguire compiti complessi in modo efficiente. Questi tre aspetti, combinati, stanno stimolando la nascita di una nuova generazione di robot: i robot generalisti. Queste macchine intelligenti, alimentate da modelli avanzati di AI, non solo operano in ambienti dinamici ma apprendono in tempo reale e si adattano a una moltitudine di compiti, con implicazioni straordinarie per settori come la logistica, la sanità e l’automazione industriale.

L’AI incontra la robotica: verso un’interazione più naturale

La chiave di questa trasformazione risiede nei modelli di fondazione (Large Language Models – LLM), che combinano capacità di elaborazione del linguaggio naturale e visione computerizzata (Visual Language Models – VLM). Questi modelli, in grado di interpretare comandi astratti e suddividere compiti complessi in azioni più semplici, permettono ai robot di comprendere meglio l’ambiente circostante e le istruzioni complesse, in modo da acquisire maggiore autonomia nel mondo fisico e interagire in maniera più sicura e precisa con le persone. E questo li rende non solo strumenti di automazione, ma veri e propri collaboratori capaci di adattarsi al contesto in cui operano.

Bisogna sottolineare che la comprensione del contesto dipende dalla capacità di creare sistemi o set di dati che colleghino la conoscenza digitale alle informazioni provenienti dalla percezione fisica. Motivo per cui numerose organizzazioni stanno lavorando alla costruzione di enormi sistemi di dati.

PhysObjects

Un esempio significativo è PhysObjects, il progetto su cui stanno lavorando l’Università di Stanford e Google Robotics e che raccoglie centinaia di migliaia di annotazioni su proprietà fisiche degli oggetti, rendendo i robot sempre più consapevoli dello spazio in cui operano. In parallelo, l’interazione uomo-macchina sta diventando più intuitiva grazie alla possibilità di impartire comandi in linguaggio naturale, come dimostrano progetti come Figure 01 o PaLM-E di Google.

Questo livello di comprensione e di risposta adattativa permette di immaginare un futuro in cui i robot non saranno più limitati a eseguire ordini rigidi, ma saranno in grado di prendere decisioni autonome basate sul contesto e sulle esigenze degli utenti.

Agire nell’incertezza: come insegnare il “buon senso” ai robot

Uno sviluppo ulteriore nella dimensione dell’azione è la capacità di gestire l’incertezza. Un tempo ai robot venivano assegnate azioni molto limitate perché ogni azione doveva essere programmata meticolosamente. Oggi, invece, grazie all’uso di LLM, possono interpretare comandi astratti e suddividere compiti complessi in sotto-attività più gestibili, ampliando notevolmente la loro capacità di comprendere e reagire a comandi o situazioni per cui non sono stati specificamente addestrati. Questo è un elemento estremamente importante nell’interazione con gli umani, che spesso comunicano in modo impreciso o con informazioni incomplete.

Al MIT, per esempio, i ricercatori stanno combinando il movimento robotico con la “logica” di un LLM per creare macchine capaci di svolgere attività domestiche in modo autonomo. La sfida principale è fornire ai robot set di dati di addestramento sempre più ricchi e vari, combinando scenari reali con simulazioni virtuali. Infatti, solo attraverso una grande varietà di esperienze, un robot può sviluppare una sorta di “buon senso” operativo, ovvero la capacità di adattarsi e reagire in modo appropriato a situazioni nuove o impreviste.

Tuttavia, la raccolta di dati fisici per l’addestramento dei sistemi autonomi è spesso costosa e richiede molto tempo. Per affrontare questa sfida, Nvidia ha sviluppato Cosmos, una piattaforma che utilizza modelli di intelligenza artificiale generativa per creare scenari realistici attraverso i quali addestrare sistemi autonomi come le auto a guida autonoma e la robotica industriale. In questo modo, viene ridotta la dipendenza dalla raccolta di dati fisici.

Robot a nostra immagine e somiglianza

Uno degli sviluppi più rilevanti della robotica generalista è l’emergere dei robot umanoidi, che stanno già trovando applicazione in magazzini e fabbriche, con la prospettiva di diffondersi in ambienti sempre più complessi.

Considerato che gli investimenti in human robotics hanno raggiunto 1,19 miliardi di dollari nel 2024^{, segnando un’accelerazione straordinaria, e che il 40% dei dirigenti a livello globale prevede un incremento significativo nell’uso degli agenti AI nei prossimi tre anni, non stupisce la previsione secondo cui il mercato della robotica umanoide, a livello globale, dovrebbe raggiungere 38 miliardi di dollari nei prossimi dieci anni.}

L’AI incarnata, che dota i robot di una comprensione più profonda del mondo fisico, è la chiave per questa rivoluzione.

Google ha mostrato i primi risultati con Gato, che ha dimostrato come gli input e gli output robotici possano essere “tokenizzati” in un modello linguistico. Ora, con RT-1, RT-2 e RT-X, la frontiera della robotica generalista si sta ampliando ulteriormente. Questo significa che non solo i robot saranno più capaci di comprendere e rispondere alle esigenze degli utenti, ma potranno anche migliorare nel tempo grazie a un apprendimento continuo.

Nuovi orizzonti per le aziende: la scalabilità della robotica

Con questa evoluzione, le aziende stanno ripensando il modo in cui progettano ambienti di lavoro e flussi operativi. I robot saranno sempre più presenti nei contesti a contatto con il pubblico, in grado di comunicare con chiunque e di adattarsi alle esigenze in continuo mutamento senza necessità di ri-programmazione.

Questa flessibilità trasforma i robot in investimenti strategici a lungo termine: non più strumenti rigidi, ma risorse dinamiche capaci di apprendere, evolversi e migliorare nel tempo. E le possibilità di sperimentazione sono infinite: dagli assistenti nei negozi ai magazzini completamente automatizzati, fino a robot domestici giusto per citare qualche esempio.

Le aziende che già adottano robotica generalista devono ora affrontare la sfida della scalabilità. Questo significa integrare in modo stabile i robot nelle operazioni aziendali, sviluppare partnership strategiche con i produttori e trovare modi efficaci per monetizzare i dati raccolti. La manutenzione e l’aggiornamento continuo delle macchine saranno infatti essenziali per garantire prestazioni elevate nel tempo.

Per le aziende che, invece, stanno ancora esplorando questi temi, è il momento di definire alleanze con i leader del settore e di sperimentare nuove applicazioni: le opportunità di co-innovazione sono in crescita e chi saprà coglierle sarà in vantaggio quando la robotica generalista diventerà mainstream.

Infine, anche per chi non è pronto a investire subito, è fondamentale monitorare i progressi tecnologici e organizzare sessioni di brainstorming per immaginare le future applicazioni dei robot nel proprio settore. Infatti, mentre i modelli di fondazione aprono la strada a questa nuova generazione di robotica, i leader aziendali dovranno tenere d’occhio anche altre innovazioni tecnologiche emergenti che saranno fondamentali per rendere queste macchine realmente utilizzabili.

Le sfide della robotica generalista e la costruzione della fiducia

Questa rivoluzione porta anche con sé anche nuove sfide. In primis, il consumo energetico, che sarà un elemento chiave per garantire un funzionamento efficiente e sostenibile. Ma anche ostacoli più prettamente tecnologici, come la latenza, ovvero il tempo di risposta dei robot, dovrà essere minimizzata per consentire interazioni naturali con gli esseri umani. Fino ad arrivare a questioni ancora più vicine alla governance, come la sicurezza e la fiducia nelle decisioni prese dai robot.

Le imprese dovranno infatti preoccuparsi della fiducia riposta nei nuovi sistemi tecnologici – assicurandosi che agiscano in modo affidabile, accurato, competente e all’interno dei limiti stabiliti. Per fare questo, saranno necessari team dedicati (AI Ops) a testare e valutare tali sistemi.

Il 79% dei dirigenti aziendali italiani è ottimista rispetto ai robot adattabili

Oltre alla fiducia delle imprese nei modelli di AI che utilizzano, la crescente autonomia di tali sistemi è destinata a mettere alla prova anche il rapporto di fiducia tra le imprese e i propri dipendenti. Per citare un esempio, le persone potrebbero avere timori nell’ambito della gestione di scenari critici, come nel caso di un’emergenza in un cantiere o di una violazione della sicurezza.

Sebbene il 79% dei dirigenti aziendali italiani sia ottimista rispetto alla promessa di robot adattabili e intelligenti, l’81% segnala che le organizzazioni dovranno ampliare le aree di applicazione dei principi di AI responsabile via via che i robot verranno impiegati in contesti fisici, assicurandosi che i robot operino in modo sicuro e che le loro decisioni siano etiche e responsabili.

Conclusioni

Le aziende dovranno essere trasparenti riguardo ai ruoli dei robot, da come prendono le decisioni a come intervenire in caso di errori. Agire in modo sicuro ed etico è una dimensione complessa dell’AI responsabile che poche organizzazioni sono realmente preparate ad affrontare, per cui è importante iniziare a raggiornarci fin da ora. Al tempo stesso, posizionare i robot come “co-piloti”, progettati per migliorare l’esperienza dei dipendenti sarà cruciale per guadagnare la fiducia delle persone e mitigare i timori di sostituzione.

In generale, per costruire e mantenere nel tempo la fiducia, sarà essenziale portare le pratiche di AI responsabile nel mondo fisico, adattando le pratiche aziendali e tenendo in considerazione l’evolversi dello scenario normativo a livello nazionale e internazionale.

Note

1.Goldman Sachs, febbraio 2024. ↑

2. HotToRobot, maggio 2023. ↑

3. Rielaborazione dati da parte di Accenture a partire da un report di CB Insights. ↑