Physical AI
L'IA fisica consente a robot, veicoli e altre macchine di percepire il mondo reale, ragionarci e agire al suo interno. Include stack, addestramento e applicazioni.
L'IA fisica è l'intelligenza artificiale (IA) che percepisce, ragiona e agisce nel mondo fisico attraverso un corpo: robot, droni, veicoli autonomi e macchine industriali intelligenti. L'output di un chatbot è testo su uno schermo, mentre quello di un sistema di IA fisica è un comando a un motore, il cui risultato dipende da attrito, gravità, collisioni e persone nelle vicinanze; il sistema deve quindi comprendere lo spazio 3D e i rapporti di causa ed effetto abbastanza bene da agire in sicurezza in tempo reale. NVIDIA ha reso centrale il termine nelle proprie piattaforme di robotica e simulazione, che si è diffuso ampiamente quando i grandi modelli preaddestrati hanno iniziato a controllare robot reali. È quasi sinonimo di IA incarnata, il termine di ricerca più datato; nell'industria è più comune parlare di IA fisica.
Come funzionano i sistemi di IA fisica#
Ogni sistema di IA fisica chiude un ciclo tra rilevamento e azione, molte volte al secondo:
- Rilevamento: telecamere, lidar, radar, unità di misura inerziale, encoder dei giunti e sensori di forza misurano il mondo e lo stato della macchina stessa.
- Percezione: i modelli visivi trasformano i pixel grezzi in oggetti, profondità, pose e mappe su cui un pianificatore può ragionare.
- Processo decisionale: pianificatori, policy apprese o grandi modelli fondazionali per la robotica scelgono l'azione successiva.
- Azionamento: motori, pinze, ruote e freni eseguono l'azione e, al passaggio successivo, i sensori ne misurano l'effetto.
La fusione dei sensori combina i punti di forza di sensori diversi, la visione artificiale svolge gran parte del lavoro percettivo e le decisioni sono affidate a controllori come il controllo predittivo basato su modello, a politiche addestrate con l'apprendimento per rinforzo o a modelli fondazionali per la robotica. Questi modelli fondazionali suddividono sempre più spesso il processo decisionale tra un modello più lento, che interpreta le istruzioni e la scena, e un modello più rapido, che genera i comandi per i motori, come nel modello aperto GR00T N1 di NVIDIA per robot umanoidi, che abbina un modello di visione e linguaggio a un modulo d'azione separato:
I modelli visione-linguaggio-azione (VLA) riuniscono entrambi i ruoli in un'unica rete. Nel 2023 RT-2 di Google DeepMind ha dimostrato che un modello visione-linguaggio perfezionato per generare azioni robotiche come token trasferiva al controllo le conoscenze apprese dai dati web. π0 di Physical Intelligence π0 aggiunge un esperto di azione basato sul flow matching, simile nello spirito alle policy di diffusione, che genera blocchi di azioni fluidi comprendenti molti passaggi futuri alla volta; i modelli Gemini Robotics di Google DeepMind estendono l'approccio a compiti articolati e su più passaggi, come piegare origami.
Dalla percezione all'azione nel codice#
La percezione è il primo anello del ciclo e la sua velocità limita la rapidità di reazione della macchina. Ultralytics YOLO26 è progettato per questo ruolo edge e funziona su computer robotici come NVIDIA Jetson dopo l'esportazione TensorRT. Questo esempio rileva le persone in un fotogramma della telecamera e trasforma il rilevamento con la confidenza più alta in un comando di sterzata tramite un controllore proporzionale, la forma più semplice di servocontrollo visivo:
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
# Perceive: detect people (COCO class 0) in the robot's camera frame
results = model("https://ultralytics.com/images/bus.jpg", classes=[0])
result = results[0]
# Act: steer toward the most confident person with a proportional controller
best = int(result.boxes.conf.argmax())
x_center = float(result.boxes.xywhn[best, 0]) # 0 = left edge of the frame, 1 = right edge
turn_rate = -1.5 * (x_center - 0.5) # rad/s; positive turns left, toward a person on the left
print(f"Person at {x_center:.2f} of frame width -> turn command {turn_rate:+.2f} rad/s")Stampa la posizione della persona scelta nel fotogramma e un comando di sterzata il cui segno indica la direzione in cui il robot deve girare per raggiungerla e la cui entità aumenta con lo scostamento. Su un robot, gli stessi due passaggi vengono eseguiti a ogni fotogramma della telecamera, così il comando si riduce a zero mentre il robot gira per rivolgersi verso il proprio obiettivo.
Addestramento dell'IA fisica#
I dati sono il principale collo di bottiglia: su Internet si trovano trilioni di parole, ma pochissime registrazioni di robot in azione, e ogni registrazione è legata al corpo e ai sensori di un robot specifico. I team raccolgono dimostrazioni in teleoperazione, durante le quali le persone guidano il robot nello svolgimento di un compito registrandone sensori e comandi, e addestrano policy che le imitano. I simulatori fisici come NVIDIA Isaac Lab fanno funzionare migliaia di robot in parallelo per l'apprendimento profondo per rinforzo, applicando la randomizzazione del dominio alla fisica e all'aspetto per ridurre il divario tra simulazione e realtà. Le scene renderizzate e i gemelli digitali forniscono dati sintetici etichettati su situazioni rare per i modelli di percezione, mentre i modelli del mondo generano nuove varianti di scene registrate, come la stessa strada sotto la pioggia o di notte.
Applicazioni nel mondo reale#
- Logistica: i robot mobili autonomi si muovono nei magazzini usando mappe che creano da soli, aggirano persone e carrelli elevatori e ricalcolano il percorso, mentre i veicoli a guida automatica seguono tragitti fissi.
- Produzione: bracci guidati dalla visione prelevano componenti ammucchiati alla rinfusa, assemblano parti e ispezionano il proprio lavoro; robot umanoidi sono impiegati in progetti pilota per movimentare contenitori e componenti.
- Sanità: nel 2025, il robot SRT-H della Johns Hopkins, addestrato su video di chirurghi, ha eseguito una fase fondamentale dell'asportazione della cistifellea su otto cistifellee di maiale ex vivo, senza che una persona ne controllasse i bracci, reagendo al tempo stesso alle correzioni vocali.
- Agricoltura: i robot per la raccolta e il diserbo individuano singole piante con le telecamere e agiscono su ciascuna di esse, ad esempio rimuovendo un'erbaccia senza spruzzare l'intero campo.
- Guida: I robotaxi e i sistemi di assistenza alla guida sono le flotte di IA fisica distribuite più grandi; percepiscono il traffico e controllano il veicolo molte volte al secondo.
IA fisica e termini correlati#
- Robotica: il campo ingegneristico che si occupa di progettare e costruire robot, includendo meccanica, elettronica e controllo. L'IA fisica è l'intelligenza appresa che percepisce e decide, ed è utilizzata anche in veicoli e macchine che non vengono chiamati robot.
- IA generativa: genera testo, immagini, video e codice. Le sue tecniche alimentano oggi anche l'IA fisica, dai modelli di diffusione che generano movimenti robotici ai modelli del mondo che generano scene di addestramento.
- Intelligenza spaziale: capacità di comprendere e ragionare sullo spazio 3D, sugli oggetti e sulle loro relazioni, da cui dipende l'IA fisica.
- IA edge: esecuzione dei modelli direttamente sul dispositivo. L'IA fisica è quasi sempre IA edge, perché un robot non può aspettare il tempo di andata e ritorno sulla rete prima di frenare.










