La svolta di Microsoft affronta le limitazioni dei robot con un sistema di rilevamento tattile

Microsoft Researchhasviluppato un nuovo sistema di controllo dei robot alla fine di gennaio 2026 che permette allemacchine di lavorare con le mani mentre elaborano comandi vocali e feedback fisici. Il sistema, chiamato Rho-alpha, segna l'ingresso dell'azienda nei modelli di base progettati per i robot che utilizzano due braccia contemporaneamente.

La tecnologia raggiungerà prima gruppi selezionati attraverso un Programma di Accesso Anticipato prima che Microsoft la renda disponibile più ampiamente sulla sua piattaforma Foundry. Le aziende possono poi adattare il sistema alle loro esigenze specifiche utilizzando i propri dati.

Aggiungere il tatto all'intelligenza robotica

Le fabbriche e i magazzini stanno cercando robot in grado di gestire condizioni mutevoli anziché ripetere gli stessi movimenti programmati per sempre. Gli ambienti ospedalieri hanno bisogno di macchine che si adattino a situazioni diverse. Le linee di produzione in cui gli articoli variano da lotto a lotto creano problemi che l'automazione di vecchio stile non può risolvere in modo efficiente. Microsoft ha costruito Rho-alpha per soddisfare questa esigenza elaborando ciò che i robot vedono e sentono insieme a ciò che percepiscono fisicamente attraverso i sensori.

La maggior parte dei sistemi robotici oggi si basa su telecamere e microfoni per comprendere l'ambiente circostante e ricevere istruzioni. Rho-alpha aggiunge un altro strato trattando il tatto come ugualmente importante. Quando una pinza robotica ha sensori di pressione integrati, il sistema riceve informazioni che le telecamere perdono completamente. Questo è importante quando si cerca di inserire qualcosa in una presa o di adattare i pezzi insieme dove la vista da sola non fornisce abbastanza dettagli su se le cose si stanno allineando correttamente.

Microsoft ha mostrato queste capacità utilizzando due braccia Universal Robots UR5e dotate di sensori che rilevano pressione e contatto. Durante i test con un set di compiti chiamato BusyBox, le persone ha hanno chiesto al robot di fare cose come mettere un vassoio dentro una cassetta degli attrezzi e chiudere il coperchio. Il sistema si è rivolto ha trasformato quelle parole in movimenti coordinati tra entrambe le braccia e ha apportato regolazioni in base a ciò che i sensori hanno percepito. Quando i tentativi di inserire una spina non non funzionano al primo tentativo, un operatore umano potrebbe guidare il robot utilizzando un dispositivo di input 3D, e il sistema ha imparato da quelle correzioni.

Ottenere dati di addestramento sufficienti rimane la sfida più grande nella costruzione di robot capaci. I modelli linguistici possono imparare da enormi quantità di testo disponibili online, ma l'addestramento dei robot richiede dimostrazioni fisiche reali che richiedono tempo e denaro per essere registrate. Microsoft ha affrontato questo problema addestrando Rho-alpha su tre tipi di informazioni: registrazioni di dimostrazioni fisiche reali, compiti di pratica simulati e grandi set di dati di immagini con domande e risposte dal web. L'azienda utilizza Nvidia Isaac Sim in esecuzione su server Azure per creare scenari sintetici realistici attraverso un processo di apprendimento per rinforzo.

Questa configurazione di simulazione produce situazioni di pratica fisicamente accurate che integrano le dimostrazioni reali. L'approccio combinato permette al modello di incontrare casi insoliti e situazioni di fallimento che altrimenti richiederebbero migliaia di ore di operazione nel mondo reale per essere catturate.

Il metodo di addestrame segue i pattern che altre aziendi nel campo della robotica stanno utilizzando. Il sistema Gemini Robotics di Google DeepMind, il modello Helix di Figure AI per robot umanoidi e Pi-zero di Physical Intelligence adottano tutti approcci simili per aggirare il problema della carenza di dati. La tecnica aiuta questi sistemi ad apprendere abilità di manipolazione generali senza aver bisogno di dimostrazioni specifiche per ogni singolo compito che potrebbero affrontare.

Competere in un mercato maturo

Microsoft si unisce a un mercato di modelli di base per la robotica che è cresciuto notevolmente negli ultimi un anno e mezzo. Nvidia ha rilasciato GR00T N1.6 mirato ai robot umanoidi, concentrandosi sul controllo di tutto il corpo e sulla comprensione del contesto. Google DeepMind ha espanso Gemini nella robotica con capacità che vanno dal piegare la carta in forme di origami alla gestione delle carte da gioco. Physical Intelligence presenta Pi-zero come un sistema tuttofare addestrato su diversi tipi di robot.

Rho-alpha si distingue in tre modi. Innanzitutto, l'enfasi sulla sensibilità tattile affronta situazioni in cui i sistemi che si basano solo sulla visione faticano. In secondo luogo, il modello proviene dalla serie Phi di Microsoft, che l'azienda ha ottimizzato per funzionare in modo efficiente su hardware consumer standard. Questo background suggerisce che potrebbe funzionare su dispositivi locali senza bisogno di una connessione costante ai server cloud. In terzo luogo, l'attenzione all'apprendimento dalle correzioni umane durante l'operazione effettiva lo distingue dai modelli che richiedono un completo riaddestramento per acquisire nuovi comportamenti.

L'approccio commerciale di Microsoft differisce anche da quello dei concorrenti. L'azienda prevede di offrire Rho-alpha attraverso la sua piattaforma Foundry come infrastruttura che i produttori e gli integratori di sistemi possono personalizzare con le loro informazioni proprietarie. Questo rispecchia l'approccio dell'azienda con il servizio OpenAI di Azure e mira alle organizzazioni che desiderano creare versioni specializzate anziché utilizzare un modello generico.

Per i produttori e le aziende logistiche, l'opportunità immediata si trova nel individuare compiti di manipolazione ripetitivi in cui l'automazione attuale non è sufficiente. Le stazioni di ispezione della qualità, le operazioni che assemblano kit di articoli e le linee di assemblaggio in piccole serie rappresentano situazioni in cui la combinazione di comprensione del linguaggio e sensibilità al tatto di Rho-alpha potrebbe ridurre i requisiti di programmazione.

Il programma di accesso anticipato annunciato da Microsoft offre alle aziende un modo per testare se il sistema si adatta alle loro esigenze prima di investire nell'infrastruttura di implementazione. Le aziende dovrebbero entrare in queste valutazioni aspettandosi che sia necessaria la supervisione umana e dovrebbero pianificare flussi di lavoro in cui gli operatori correggono e guidano i robot durante i periodi iniziali di apprendimento.

Physical AI rappresenta un passaggio dai robot come strumenti programmati a robot come collaboratori flessibili. Questo passaggio richiederà anni piuttosto che mesi, ma i modelli di base provenienti da Microsoft, Nvidia e Google stabiliscono i modelli di base che definiranno la robotica aziendale per i prossimi dieci anni.