// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
I robot stanno imparando senza aspettare gli ingegneri
NVIDIA ha mostrato robot capaci di imparare compiti manuali complessi con l'aiuto di agenti di programmazione. Il video di un braccio robotico che inserisce una GPU o taglia una fascetta è scenografico, ma è un dettaglio. Una parte del lavoro di addestramento passa dagli ingegneri a un sistema di agenti che prova, misura, corregge e riprova: questo è il cambiamento che conta.
Per le aziende questo sposta il tema della robotica industriale. Finora il costo nascosto era l'integrazione: programmare il robot, preparare l'ambiente, raccogliere dati, scrivere procedure di addestramento, correggere errori, ricominciare. Se gli agenti automatizzano una parte del ciclo, la robotica diventa meno un progetto speciale e più una capacità operativa iterabile.
La notizia arriva dal progetto ENPIRE del laboratorio GEAR di NVIDIA, raccontato da Ars Technica e pubblicato in forma tecnica sul sito di ricerca NVIDIA. Il sistema usa agenti di programmazione per migliorare politiche di controllo robotiche nel mondo reale, lasciando il braccio fisico al suo posto e trasformando il laboratorio in una catena di esperimenti controllati.
Secondo la pagina ufficiale di ENPIRE, il sistema può portare una politica di controllo a un tasso di successo pass@8 del 99% su compiti di manipolazione come PushT, organizzazione di piccoli pin e taglio di fascette. La ricerca spiega che pass@8 non indica otto tentativi casuali indipendenti, ma una sequenza in cui l'agente usa i fallimenti precedenti per ritentare meglio. Il dato interessante è la capacità di recupero, non la perfezione da demo.
Ars Technica ha riportato che gli agenti possono definire regimi di addestramento, invocare strumenti, usare imitazione, apprendimento per rinforzo offline o online e gestire cicli di verifica. I task mostrati sono limitati, ma la struttura metodologica è applicabile a qualunque compito di manipolazione fisica.
Il collegamento con il lavoro aziendale è diretto. Le imprese non comprano robot perché facciano trick da laboratorio; li comprano per ridurre variabilità, tempi morti, scarti, rischi fisici e dipendenza da competenze rare. Tom's Hardware ha già raccontato come la "physical AI" stia portando l'AI fuori dallo schermo e dentro fabbriche, magazzini e impianti. ENPIRE aggiunge un tassello: automatizzare anche il modo in cui il robot impara a muoversi nel mondo.
Un braccio robotico industriale preciso esiste da decenni. La parte difficile è farlo lavorare in ambienti meno rigidi, con oggetti piccoli, tolleranze strette, errori imprevisti e sequenze operative che cambiano. Inserire una GPU non è solo "prendere e mettere". Significa riconoscere orientamento, forza, contatto, allineamento e fallimento parziale. La destrezza industriale vive nei dettagli che il software tradizionale fatica a codificare.
ENPIRE prova ad aggredire proprio quel punto. Gli agenti non si limitano a generare codice una volta, ma osservano metriche, modificano politiche di controllo, cambiano ricette di addestramento e confrontano risultati. NVIDIA parla di "physical autoresearch", cioè ricerca automatizzata su sistemi fisici. Il nome può suonare eccessivo, ma il concetto è concreto: un laboratorio robotico che produce esperimenti con meno intervento umano diretto.
Questo non elimina gli ingegneri. Cambia il loro posto nella catena. Il valore si sposta dalla scrittura manuale di ogni tentativo alla progettazione dell'ambiente, delle metriche, dei vincoli di sicurezza e dei criteri di accettazione. Tom's Hardware ha già discusso il passaggio dagli sviluppatori agli orchestratori. Lo stesso schema arriva nella robotica: meno comando puntuale, più supervisione del ciclo di apprendimento.
La differenza rispetto alla programmazione industriale classica è profonda. Un flusso tradizionale tende a essere deterministico: sequenza, controllo, errore, fermo. Un sistema di apprendimento introduce tentativi, variazioni e adattamento. In fabbrica questa parola pesa, perché ogni prova fisica può rompere un c