Cervelletto
Dal cervello all'algoritmo. Il cervelletto è lo specialista silenzioso: l'80% dei neuroni del cervello in una struttura grossa come un pugno, dedicato a rendere il movimento fluido, l'equilibrio affidabile e i tempi prevedibili. La sua controparte AI (la robotica umanoide) nel 2026 sta dove la computer vision stava nel 2014: capace, costosa, e all'anno della svolta.
Cosa fa la biologia
Il cervelletto sta dietro la testa, sotto i lobi occipitali. Anatomicamente piccolo ma computazionalmente enorme, ospita circa l'80% dei neuroni del cervello in un foglio strettamente ripiegato.
- Apprendimento procedurale: andare in bicicletta, scrivere alla tastiera senza guardare, lanciare una palla. Ciascuno è un modello in avanti appreso.
- Coordinazione motoria fine: la morbidezza dell'archetto di un violinista.
- Modelli predittivi in avanti: anticipare dove sarà la tua mano tra 50 ms in base al comando motorio appena inviato.
- Equilibrio e tempismo: loop di feedback sotto i 100 ms che gli ingegneri di controllo classico si sognano.
I danni producono atassia: l'intento è preservato, l'esecuzione no. Sai cosa fare; il corpo lo fa male.
Cosa abbiamo costruito
La robotica umanoide ha finalmente raggiunto rilevanza commerciale tra il 2023 e il 2026. Tredici tappe, quattro deployment production-grade, un anno di inflessione.
- 2021: Locomozione gambe via RL. ANYmal (ETH Zürich) e Boston Dynamics Spot dimostrano camminata appresa con RL di qualità produttiva.
- Lug 2023: Google RT-2. Primo modello vision-language-action: un Transformer che emette token motori del robot addestrato insieme a immagini e testo dal web.
- 2023: Prototipi umanoidi. Tesla Optimus, Figure 01, 1X Neo e Unitree H1 rivelano piattaforme umanoidi commerciali per lavoro generale.
- Ott 2024: Physical Intelligence π0. Primo modello foundation open per robot generalisti.
- Mar 2025: NVIDIA Isaac GR00T N1. Primo modello foundation umanoide open + il motore fisico Newton per sim-to-real.
- Apr 2025: Physical Intelligence π0.5. Generalizzazione open-world: π0.5 pulisce cucine che non ha mai visto.
- 2025: Figure 02 a BMW Spartanburg. Registra 90.000+ pezzi e 1.250 ore su oltre 30.000 carrozzerie X3, primo case study di produzione umanoide a scala.
- Ott 2025: Pre-ordini 1X Neo aperti a $20K. Primo umanoide consumer per la casa: 1X Neo viene spedito con mani a 22 gradi di libertà e una rumorosità di 22 dB.
- Nov 2025: Agility Digit supera i 100.000 box movimentati a GXO. Prima tappa commerciale umanoide in un magazzino reale.
- Gen 2026: Tesla Optimus Gen 3 in produzione, 1.000+ unità nelle gigafactory Tesla.
- Feb 2026: Apptronik raccoglie $935M; Apollo a Mercedes, Figure-03 a BMW. I pilot europei passano dal comunicato stampa al libro paga.
- Mag 2026: NVIDIA Cosmos 3. Primo world foundation model omnimodale per la physical AI completamente open: ragionamento visivo, generazione del mondo e predizione delle azioni in un solo sistema, tagliando i cicli di training sim-to-real da mesi a giorni.
- 2026: Gruppo BMW AEON a Lipsia. Primo umanoide in uno stabilimento tedesco, pilot pieno estate 2026.
La ricetta architetturale è arrivata a metà 2023 e non è stata scalzata da allora:
"La nostra valutazione estesa (6.000 trial) mostra che il nostro approccio porta a policy robotiche performanti e permette a RT-2 di ottenere una serie di capacità emergenti dal training a scala internet. Questo include una generalizzazione significativamente migliorata su oggetti nuovi, la capacità di interpretare comandi non presenti nei dati di training del robot […], e la capacità di eseguire ragionamento rudimentale in risposta ai comandi dell'utente." Brohan et al., 2023 (arXiv:2307.15818)
Ogni modello foundation umanoide commerciale da allora (π0, π0.5, GR00T N1) discende dal trucco centrale di RT-2: token di azione trattati come token di linguaggio, addestrati congiuntamente con dati a scala web. Lo Stanford AI Index 2026 traccia la curva di capacità risultante; il world model V-JEPA 2 di Meta aggiunge un prior di predizione fisica.
Cosa manca ancora
La locomozione è in buona forma. Manipolazione, generalizzazione ed efficienza di apprendimento no.
- Manipolazione fine in-hand. Svitare un barattolo, infilare un ago, separare due fogli di carta: gli umanoidi attuali sono molto sotto il livello di un bambino su oggetti sconosciuti.
- Efficienza campionaria. I robot imparano in milioni di episodi simulati. Un bambino impara ad abbottonare una camicia in decine di tentativi.
- Robustezza sul mondo reale. Terreno irregolare, contatti ricchi, materiali deformabili e disordine non strutturato rompono ancora policy che funzionano in laboratorio.
- Generalizzazione. La maggior parte degli umanoidi eccelle sui task ristretti su cui è stata addestrata e fallisce sul successivo.
Come leggiamo il verdetto
Diamo alla controparte AI il livello In sviluppo. La curva di progresso è ripida, la pressione commerciale è intensa, e la ricetta architetturale sta convergendo sui modelli VLA basati su Transformer. Non abbiamo ancora un cervelletto, ma per la prima volta è plausibile che siamo a un decennio di distanza.