Upstream ha annunciato l’estensione della propria infrastruttura di monitoraggio e analisi dei sistemi connessi al settore della Physical AI, ampliando l’utilizzo dei digital twin in tempo reale dai veicoli automobilistici a robot industriali, robot umanoidi, droni, robot mobili autonomi e macchinari agricoli intelligenti. L’iniziativa, comunicata nell’ottobre 2026, trasferisce in nuovi ambiti applicativi le tecnologie sviluppate dall’azienda per monitorare il comportamento operativo e la sicurezza informatica dei veicoli connessi. La piattaforma esistente viene già utilizzata, secondo Upstream, in un’infrastruttura che comprende oltre quaranta milioni di asset connessi, un dato riferito all’attuale base installata e non al numero di robot già gestiti attraverso la nuova iniziativa. L’espansione nasce dalla necessità di comprendere il funzionamento di sistemi autonomi che combinano componenti fisici, software, sensori, collegamenti di rete e processi decisionali basati sull’intelligenza artificiale. Queste macchine possono modificare il proprio comportamento in funzione dell’ambiente, della missione assegnata, del carico di lavoro e della configurazione software, rendendo difficile distinguere le normali variazioni operative dalle anomalie che richiedono interventi tecnici o di sicurezza. Upstream propone quindi di estendere ai sistemi robotici un’infrastruttura capace di ricostruire continuamente il contesto nel quale vengono prodotti segnali, eventi e variazioni di comportamento.
L’elemento centrale della soluzione è rappresentato dal live digital twin, una descrizione digitale continuamente aggiornata dello stato operativo di una macchina e delle sue interazioni con l’ecosistema informatico circostante. A differenza dei gemelli digitali concepiti principalmente come rappresentazioni tridimensionali di un prodotto fisico, il modello di Upstream è orientato alla ricostruzione del comportamento e delle condizioni operative attraverso l’aggregazione di dati provenienti da sorgenti differenti. Il sistema combina telemetria, stato dei componenti, informazioni sulla missione, attività software e anomalie rilevate, costruendo una rappresentazione contestuale che permette di esaminare un evento insieme alle condizioni nelle quali si è verificato. Un robot utilizzato in un magazzino, per esempio, potrebbe registrare un incremento della temperatura di alcuni componenti perché sta eseguendo un’attività più impegnativa, perché opera in un ambiente particolarmente caldo oppure perché si sta sviluppando un problema meccanico. Analogamente, una deviazione nel comportamento di un drone potrebbe dipendere da una variazione della missione, da un malfunzionamento software oppure da un’interferenza intenzionale. La disponibilità di un digital twin aggiornato permette di collegare i segnali anomali al comportamento storico e alle condizioni correnti della macchina, fornendo agli operatori informazioni più complete rispetto alla semplice ricezione di un allarme isolato.
La pipeline informativa utilizzata da Upstream comprende processi di normalizzazione e pulizia dei dati in ingresso, supportati da un dizionario comune che permette di riconciliare informazioni provenienti da dispositivi, sistemi e protocolli differenti. Questa capacità assume particolare importanza nella gestione di flotte eterogenee, nelle quali differenti generazioni hardware e versioni software possono rappresentare il medesimo evento attraverso strutture informative non uniformi. Prima di effettuare analisi automatiche, la piattaforma associa i segnali agli asset che li hanno prodotti e al contesto operativo pertinente, riducendo le incongruenze derivanti da codifiche o classificazioni differenti. Sono inoltre disponibili meccanismi di protezione dei dati, comprendenti anonimizzazione e tokenizzazione, destinati a limitare l’esposizione delle informazioni sensibili durante il trattamento. L’architettura combina regole predefinite per il riconoscimento delle minacce note e modelli di machine learning addestrati a individuare comportamenti insoliti che non corrispondono a schemi già catalogati. Upstream descrive la propria infrastruttura come indipendente dai protocolli e dall’hardware utilizzati e precisa che non è necessario installare agenti software direttamente sui dispositivi monitorati. La piattaforma può essere distribuita anche nell’ambiente cloud del cliente, ma richiede comunque l’accesso a sorgenti di telemetria e integrazioni che rendano osservabili le caratteristiche operative da analizzare.
L’estensione alla Physical AI utilizza anche le capacità della piattaforma Ocean AI, attraverso la quale Upstream combina differenti metodologie di elaborazione intelligente. Il machine learning viene impiegato per rilevare anomalie, l’intelligenza artificiale generativa supporta l’analisi e la ricostruzione degli eventi, mentre i sistemi agentici possono collegare le informazioni individuate alle procedure operative successive. Questa distinzione permette di organizzare il trattamento degli eventi in fasi successive: riconoscimento del comportamento anomalo, raccolta delle evidenze pertinenti, interpretazione delle condizioni che hanno prodotto la segnalazione e attivazione delle azioni previste dal workflow aziendale. Nel contesto robotico, un’anomalia osservata su più unità potrebbe richiedere ulteriori controlli per stabilire se derivi da un aggiornamento software, da condizioni ambientali condivise, da un problema di configurazione oppure da un tentativo di compromissione. La disponibilità di informazioni contestuali consente di esaminare più elementi contemporaneamente prima di classificare l’evento. Le possibili applicazioni comprendono la gestione delle attività manutentive, le analisi di sicurezza e il controllo del comportamento delle flotte, ma Upstream non ha comunicato risultati quantitativi relativi a una specifica installazione robotica già operativa.
Gli ambiti applicativi individuati dall’azienda comprendono cybersecurity, qualità e sicurezza dei sistemi, gestione operativa e conformità normativa. Nelle attività di sicurezza informatica, la piattaforma può supportare il riconoscimento di accessi o comportamenti potenzialmente malevoli e la ricostruzione del loro impatto sugli asset interessati. Nei processi ingegneristici, l’analisi delle informazioni operative può contribuire all’individuazione di degrado progressivo, errori software e guasti emergenti. La gestione delle flotte richiede invece informazioni sulla disponibilità dei mezzi, sul loro utilizzo, sulle condizioni di funzionamento e sui tempi di attività, mentre le funzioni di compliance necessitano di registrazioni e prove documentali che possano essere esaminate durante verifiche e audit. L’utilizzo di una rappresentazione condivisa del comportamento permette di collegare osservazioni prodotte da reparti differenti. Un’anomalia tecnica associata a un componente e un’interazione remota insolita potrebbero, per esempio, essere inizialmente rilevate da sistemi separati, ma richiedere un’analisi congiunta per stabilire l’esistenza di una relazione. L’efficacia di questa correlazione dipende dalla copertura della telemetria, dalla qualità dei modelli di rilevamento e dall’integrazione delle informazioni con le procedure operative effettivamente adottate dall’organizzazione.
L’espansione si inserisce anche nel contesto dell’applicazione progressiva del Cyber Resilience Act europeo, che introduce obblighi specifici per i produttori di prodotti con elementi digitali rientranti nel proprio ambito di applicazione. Dall’11 settembre 2026 sono entrati in vigore gli obblighi di segnalazione relativi alle vulnerabilità attivamente sfruttate e agli incidenti gravi che incidono sulla sicurezza dei prodotti. Le disposizioni prevedono una comunicazione iniziale entro ventiquattro ore dalla conoscenza dell’evento e una successiva notifica entro settantadue ore, mentre l’applicazione generale del regolamento è prevista dall’11 dicembre 2027. Gli obblighi effettivamente applicabili dipendono dalla classificazione del prodotto e dalle condizioni previste dalla normativa, pertanto l’appartenenza di un dispositivo alla categoria dei robot o dei sistemi Physical AI non determina automaticamente l’applicazione indistinta di tutte le disposizioni. In questo contesto, il monitoraggio continuo può fornire informazioni utili alla rilevazione degli incidenti, alla ricostruzione delle condizioni tecniche e alla conservazione delle evidenze necessarie per le segnalazioni. La disponibilità della piattaforma non sostituisce tuttavia le procedure organizzative richieste ai produttori per valutare gli eventi, determinarne la rilevanza e rispettare i termini di comunicazione.
Upstream continuerà a sviluppare parallelamente le proprie attività nel settore automobilistico e la nuova offerta dedicata alle macchine autonome. L’azienda non ha ancora comunicato prezzi specifici per le applicazioni robotiche né identificato clienti che abbiano pubblicamente documentato risultati ottenuti attraverso la nuova configurazione. L’iniziativa riguarda principalmente l’infrastruttura di osservabilità, sicurezza e gestione operativa delle macchine connesse e non introduce un nuovo foundation model per la robotica, un sistema di apprendimento delle manipolazioni fisiche oppure una tecnologia destinata ad addestrare autonomamente i robot a svolgere nuove attività. Il trasferimento dell’architettura automobilistica ai robot, agli umanoidi e ai droni viene invece realizzato attraverso l’estensione dei modelli comportamentali e dei meccanismi di aggregazione dei dati a categorie di dispositivi caratterizzate da modalità operative differenti. La capacità di utilizzare una struttura comune per raccogliere, correlare e interpretare segnali provenienti da flotte autonome costituisce l’elemento tecnologico principale dell’espansione, con applicazioni previste nella gestione quotidiana degli asset, nella sicurezza informatica e nella documentazione dei comportamenti dei sistemi Physical AI durante il loro impiego reale.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)