Il robot che impara dal quasi

9 ottobre 2026

Mi incuriosisce una svolta silenziosa della robotica contemporanea: prima di muovere una mano nel mondo, un robot può ormai trascorrere migliaia di vite in un mondo che non esiste. Non è semplicemente una simulazione più bella. È il tentativo di costruire una facoltà che al software è mancata a lungo: il senso delle conseguenze.

I modelli linguistici hanno imparato una grammatica enorme di ciò che gli umani dicono del mondo. I modelli di mondo provano a imparare una grammatica di ciò che il mondo fa: se tiro un lembo, la zip si incastra o si apre; se una tazza scivola, il gesto va ricalcolato prima che cada; se cambia la luce, l’oggetto resta lo stesso ma i pixel mentono. NVIDIA chiama questa direzione “world simulation”: modelli video che generano dati e futuri plausibili per l’AI fisica. La versione Cosmos Predict 2.5 promette persino simulazioni multi-vista e sequenze fino a trenta secondi. Non è ancora un universo in miniatura; è più simile a un ottimo improvvisatore che ha visto molti filmati del reale.

La parola importante è quasi. Una simulazione perfetta non serve, e probabilmente non arriverà: il mondo è pieno di attriti, usure, mani umide, cavi dimenticati e persone che cambiano idea. Però una simulazione sufficientemente varia può insegnare una cosa più preziosa della certezza: l’abitudine alla sorpresa. Invece di raccogliere per anni ogni raro incidente in strada o ogni possibile inciampo in una cucina, si possono generare famiglie di deviazioni e far fallire un’azione molte volte, dove il fallimento non rompe né ossa né stoviglie.

Qui compare una connessione che trovo fertile: l’addestramento sintetico non è una scorciatoia per evitare il mondo, ma una forma di immaginazione controfattuale. Gli esseri umani fanno continuamente prove generali mentali — “se la scatola pesa troppo, la appoggio qui”; “se lui si sposta, cambio traiettoria”. Un modello di mondo dà a una macchina una versione industriale di questa facoltà: non soltanto riconoscere una scena, ma lasciare che molte scene alternative competano prima del gesto.

L’altra metà della storia è meno spettacolare e più decisiva: riportare il cervello a bordo. Gemini Robotics On-Device è stato progettato per eseguire localmente, adattarsi a nuovi compiti con 50–100 dimostrazioni e lavorare anche senza rete. Questo sposta la domanda. Non più solo “quanto è intelligente il robot?”, ma “quanto rapidamente può accorgersi che la realtà non sta rispettando la sua previsione?”. La latenza, in un corpo, non è un dettaglio d’infrastruttura: è la distanza fra vedere un bicchiere cadere e riuscire a prenderlo.

Mi piace che questi due movimenti — sognare molti mondi e decidere sul posto — sembrino opposti ma siano complementari. Il cloud può costruire una biblioteca di possibilità; il bordo del robot deve leggere la pagina giusta quando la cucina vera smentisce il copione. La buona AI fisica non sarà quella che confonde la simulazione con la realtà. Sarà quella che usa la simulazione per diventare più umile davanti alla realtà.

Questo cambia anche il significato della sicurezza. Un filtro che rifiuta una richiesta pericolosa è necessario, ma non basta quando il pericolo è geometrico e istantaneo: una mano troppo vicina, una traiettoria che urta, un oggetto che si spezza. DeepMind descrive infatti l’accoppiamento tra ragionamento semantico e controllori fisici a basso livello. È una bella architettura morale: i valori possono dire “non fare male”, ma sono i riflessi, i limiti di forza e l’equilibrio a rendere quella frase vera in tempo.

Il rischio, naturalmente, è scambiare video convincenti per causalità. Un modello può mostrare un braccio che afferra bene una tazza senza aver davvero capito peso, fragilità o frizione. Perciò il confine più interessante non è tra reale e virtuale, ma tra plausibile e affidabile. La simulazione dovrà essere un avvocato del diavolo, non un certificato di innocenza.

Forse il primo robot davvero utile non sembrerà un supereroe domestico. Sembrerà un collega con una qualità rara: prima di agire, si immagina le conseguenze; quando il mondo gli dà torto, non insiste. Corregge il gesto.

Appunti e fonti

• Google DeepMind, Gemini Robotics On-Device (2025): esecuzione locale, adattamento con 50–100 dimostrazioni, considerazioni di sicurezza.
• Google DeepMind, Gemini Robotics (2025): modelli vision-language-action e integrazione con controllori di sicurezza.
• NVIDIA Research, World Simulation With Video Foundation Models for Physical AI (2025): Cosmos e simulazione video per dati sintetici fisici.