La ‘embodied AI‘ (intelligenza artificiale incarnata) e la ‘physical intelligence’ (intelligenza fisica) sono oggi tra gli argomenti più in voga per gli investitori della Silicon Valley. L’idea è che la prossima frontiera dell’intelligenza artificiale sarà rappresentata da sistemi che non si limitano a utilizzare software, ma sono in grado di agire nel mondo reale attraverso dispositivi robotici, dalle auto a guida autonoma ai robot umanoidi.
Molte startup stanno sviluppando modelli di AI in grado di fungere da ‘cervelli robotici’ universali, capaci di essere integrati in qualsiasi tipo di robot e istruiti a svolgere quasi qualsiasi compito. Si tratta di un cambiamento rispetto ai sistemi che tradizionalmente controllavano i robot industriali e di magazzino. Quel software di controllo richiedeva spesso settimane o mesi di programmazione in loco per riuscire a eseguire bene anche un solo compito.
Tuttavia, la maggior parte di questi modelli di AI generalisti registra prestazioni significativamente inferiori a quelle umane per ciascun compito, almeno appena installata. La speranza è che, con una quantità minima di addestramento aggiuntivo in loco e specifico per il compito, questi robot riescano infine a padroneggiare quell’attività, riducendo così gli ostacoli all’adozione della robotica in numerosi settori.
Nomagic, azienda con sede europea a Varsavia, in Polonia, e sede statunitense a Sandy Springs, nello Stato della Georgia, sta perseguendo un approccio diverso: invece di partire da un sistema generalista per arrivare alla padronanza di compiti specifici, sta sviluppando cervelli robotici basati sull’intelligenza artificiale estremamente accurati nello svolgimento di attività specifiche fin dal primo utilizzo, con l’obiettivo di costruire in futuro un sistema generalista partendo dalla padronanza di questi singoli compiti.
Per perseguire questo obiettivo, all’inizio di quest’anno Nomagic ha creato un laboratorio di ricerca sull’intelligenza artificiale guidato da Markus Wulfmeier, ex ricercatore di robotica di Google DeepMind, che oggi ricopre il ruolo di responsabile scientifico (Chief Scientist) dell’azienda. Ora Nomagic ha annunciato di aver implementato il suo primo modello Vision-Language-Action (VLA), un tipo di modello di AI capace di percepire gli oggetti nel mondo, ricevere e comprendere istruzioni testuali fornite dalle persone e quindi compiere azioni nel mondo reale, presso clienti paganti. L’azienda afferma di essere tra le prime al mondo a utilizzare modelli VLA in un ambiente produttivo reale, anziché in esperimenti di laboratorio o dimostrazioni controllate.
Secondo l’azienda, i primi risultati sono concreti, anche se poco appariscenti: applicando il modello VLA ai più comuni ‘edge case’ dei propri robot da magazzino — situazioni relativamente rare in cui un robot si blocca e deve richiedere l’intervento di un operatore umano — Nomagic sostiene di aver ridotto di circa la metà il numero di questi interventi causati dai robot durante le operazioni reali.
La prima implementazione del VLA di Nomagic è avvenuta presso Brack.Alltron, la seconda piattaforma di e-commerce più grande della Svizzera, che utilizza già i robot dell’azienda per automatizzare il prelievo e l’imballaggio degli ordini nei propri magazzini. Roland Brack, fondatore e proprietario dell’azienda, ha dichiarato che l’introduzione dei sistemi VLA di Nomagic ha rappresentato un cambiamento radicale.
“In passato il nostro obiettivo era semplicemente ridurre al minimo gli interventi manuali. Oggi stiamo vedendo robot che comprendono davvero l’ambiente che li circonda”, ha affermato. “Questa intelligenza ci consente di gestire turni completamente autonomi durante la notte e la domenica, permettendoci di affrontare i picchi di domanda senza aumentare la pressione sulla nostra forza lavoro umana.”
Nomagic ammette tuttavia che il proprio sistema VLA non è ancora perfetto, nemmeno nelle specifiche attività di prelievo delle scatole sulle quali è stato progettato. “I nostri VLA non raggiungono ancora da soli un tasso di successo del 99,9% — e nessun VLA già implementato presso i clienti ci riesce”, ha dichiarato l’azienda. Tuttavia, sostiene di aver costruito un sistema a supporto del VLA: il precedente software di robotica ‘classico’ sviluppato da Nomagic funge da sorta di ‘imbracatura’ , intercettando gli errori e garantendo il rispetto dei requisiti di sicurezza, così che l’intero sistema possa essere considerato affidabile all’interno dei magazzini dei clienti.
“Nel mondo fisico l’asticella è molto alta: il 99,9% di affidabilità non è un numero di marketing, è il prezzo da pagare per essere autorizzati a entrare nell’edificio”, ha dichiarato Kacper Nowicki, cofondatore e amministratore delegato di Nomagic. “Per questo abbiamo costruito fin dal primo giorno un sistema di sicurezza che soddisfa questo requisito, mentre l’intelligenza artificiale al suo interno continua a migliorare.” Nel tempo, sia Nowicki sia Wulfmeier prevedono che modelli sempre più potenti renderanno gradualmente superflue alcune componenti di questo sistema di sicurezza, proprio come sta già iniziando ad accadere nell’ambito dell’intelligenza artificiale digitale.
Recentemente Nomagic ha vinto l’International Intralogistics and Forklift Truck of the Year (IFOY) Award 2026 grazie al suo Shoebox Picker, premio assegnato all’azienda il cui dispositivo di smistamento e prelievo riesce ad affrontare con successo una delle sfide più difficili dell’automazione di magazzino: movimentare scatole da scarpe composte da due pezzi senza far cadere il coperchio.
Ex membro del team centrale di Gemini Robotics presso DeepMind, Wulfmeier presenta l’approccio di Nomagic come un deliberato contrasto rispetto alla strategia prevalente adottata dai laboratori che sviluppano sistemi di embodied IA.
“La maggior parte della nostra comunità sta correndo per costruire il cervello robotico più generalista possibile”, ha dichiarato a Fortune. “Noi scommettiamo invece sul fatto che la parte più difficile sia raggiungere una vera padronanza operativa e che questa possa essere conquistata solo attraverso implementazioni nel mondo reale.”
Secondo Wulfmeier, il mondo fisico è caratterizzato da una lunghissima coda di situazioni rare. Si tratta dello stesso problema che ha reso l’introduzione dei veicoli autonomi molto più lenta di quanto molti prevedessero un decennio fa. I modelli di AI che controllano questi veicoli devono infatti essere addestrati per affrontare una quantità praticamente infinita di casi limite.
Oggi la maggior parte delle aziende che sviluppano modelli di AI per la robotica si affida all’addestramento in simulazione, trasferendo poi le competenze acquisite agli ambienti reali (un approccio che i ricercatori di robotica definiscono ‘sim-to-real’), oppure fa inizialmente controllare i robot a operatori umani tramite teleoperazione, creando esempi che il robot impara successivamente a imitare. Secondo Wulfmeier, una combinazione di questi due metodi può consentire a un modello di AI di raggiungere un’accuratezza dell’80% in una gamma piuttosto ampia di attività. Tuttavia, lavorando in un magazzino reale, un’accuratezza dell’80% è sostanzialmente inutile. Se un robot richiede l’intervento umano anche solo una volta all’ora, l’economia dell’automazione spesso non regge più.
Wulfmeier ha svolto un ampio lavoro sul paradigma “sim-to-real” durante la sua esperienza in DeepMind e afferma di continuare a credere nella simulazione, utilizzandola ancora in alcune fasi della pipeline di sviluppo di Nomagic. Tuttavia, dubita che né la simulazione né la teleoperazione umana possano colmare in modo economicamente sostenibile il divario rimanente rispetto al livello di affidabilità richiesto dal mondo fisico.
Nomagic afferma che uno dei suoi principali vantaggi rispetto ai laboratori di ricerca puri è la possibilità di raccogliere enormi quantità di dati provenienti dal mondo reale grazie alla flotta di robot già installata presso i clienti. Questa flotta genera ogni mese milioni di operazioni di prelievo riuscite (due milioni soltanto presso la piattaforma di moda Zalando, secondo l’azienda), e questo flusso continua a crescere con l’installazione di nuovi robot. Invece di basarsi principalmente sulla teleoperazione o su ambienti simulati, Nomagic addestra i propri modelli VLA utilizzando questi dati raccolti durante il funzionamento reale, che Wulfmeier descrive come eccezionalmente ricchi e diversificati.
Tristan d’Orgeval, cofondatore e direttore della strategia (Chief Strategy Officer) di Nomagic, sostiene che l’aver portato prima i robot nel mondo reale rappresenti un elemento distintivo fondamentale rispetto alle aziende concorrenti che sviluppano sistemi di IA per la robotica. “Non abbiamo costruito un laboratorio per poi metterci alla ricerca di un problema da risolvere”, ha dichiarato. “Siamo partiti dalle operazioni reali, con clienti che avevano bisogno dei nostri robot, ed è da lì che è emersa un’intelligenza artificiale realmente capace. L’ordine delle cose è importante: è ciò che distingue una semplice dimostrazione da un vero business.”
L’articolo originale è su Fortune.com
