I modelli di intelligenza artificiale destinati alla robotica non possono essere migliorati semplicemente aumentando il numero di parametri o utilizzando quantità sempre maggiori di testi e immagini. Un robot deve interagire con oggetti reali, riconoscerne le proprietà fisiche e adattare continuamente i propri movimenti in base alle forze che incontra. Per svolgere operazioni apparentemente semplici, come afferrare un bicchiere, piegare un tessuto o manipolare un componente fragile, deve comprendere non soltanto ciò che vede, ma anche ciò che avverte attraverso il contatto.
Deccan AI identifica proprio nei dati tattili uno dei principali problemi ancora aperti nello sviluppo della physical AI. La società, che ha recentemente raccolto 25 milioni di dollari, produce dati di addestramento multimodali destinati alle aziende che sviluppano sistemi robotici e modelli capaci di operare nel mondo fisico. L’obiettivo è fornire all’hardware una comprensione più completa delle situazioni reali, combinando le informazioni visive con i segnali generati durante l’interazione tra il robot, gli oggetti e l’ambiente.
Il mercato globale dell’annotazione dei dati ha superato nel 2026 i 3 miliardi di dollari, secondo le stime di Mordor Intelligence, e la computer vision continua a rappresentarne la componente dominante. La grande disponibilità di fotografie, filmati e contenuti raccolti da Internet ha permesso ai modelli visivi di raggiungere rapidamente capacità avanzate di riconoscimento. Questo metodo di crescita, tuttavia, non può essere trasferito direttamente alla robotica, perché la registrazione di un video mostra il movimento compiuto ma non descrive completamente le forze, la pressione, la resistenza e le variazioni fisiche incontrate durante l’azione.
Due movimenti visivamente simili possono richiedere livelli di forza molto diversi. Sollevare una tazza vuota non equivale a sollevarne una piena, mentre afferrare un oggetto rigido richiede una regolazione differente rispetto alla manipolazione di un materiale morbido, deformabile o scivoloso. Le immagini possono mostrare la posizione della mano robotica e la traiettoria seguita, ma non permettono di ricostruire con precisione la pressione applicata, il peso percepito, l’attrito o il momento in cui l’oggetto comincia a scivolare. Senza queste informazioni, il modello rischia di riprodurre il gesto senza comprenderne le condizioni fisiche.
Per questo motivo, i set di dati destinati alla physical AI devono integrare differenti modalità sensoriali. Alle immagini delle telecamere vengono affiancati i segnali provenienti dai sensori di forza, coppia e contatto, insieme alle informazioni sulla posizione delle articolazioni, sulla velocità dei movimenti e sullo stato dell’apparato robotico. Tutti questi flussi devono essere sincronizzati e associati alla stessa azione, in modo che il modello possa collegare ciò che il robot vede alla forza esercitata e alla risposta prodotta dall’oggetto.
La raccolta di dati embodied presenta però limiti molto diversi rispetto all’annotazione di testi o immagini. Un contenuto visivo può essere duplicato, distribuito e classificato da un ampio numero di persone attraverso una normale piattaforma digitale. Per produrre dati robotici è invece necessario disporre dell’hardware corretto, installare sensori compatibili, configurare l’ambiente e ripetere fisicamente ogni operazione. Il processo deve inoltre tenere conto delle caratteristiche specifiche del robot utilizzato, perché configurazioni differenti possono generare segnali e traiettorie non direttamente trasferibili da una macchina all’altra.
La teleoperazione consente a un essere umano di guidare il robot durante l’esecuzione di un compito e di registrare contemporaneamente immagini, movimenti e dati sensoriali. Questo sistema permette di costruire dimostrazioni precise, ma rimane lento e costoso. Ogni nuova attività deve essere eseguita numerose volte, includendo oggetti, posizioni iniziali, condizioni ambientali ed errori differenti. Anche la qualità dell’operatore influenza il risultato, perché dimostrazioni poco fluide o incoerenti possono introdurre rumore nel set di addestramento.
Le simulazioni possono aumentare il numero degli esempi disponibili e ridurre il ricorso continuo all’hardware reale, ma non riescono ancora a riprodurre perfettamente tutti i fenomeni fisici. Attrito, deformazione dei materiali, elasticità, distribuzione del peso e comportamento delle superfici sono difficili da modellare con precisione. Un sistema addestrato prevalentemente in un ambiente virtuale può quindi incontrare problemi quando viene trasferito su una macchina reale, soprattutto nelle operazioni che richiedono una regolazione fine della forza.
Il compito di Deccan AI consiste nel costruire e organizzare questo insieme di dati eterogenei affinché possa essere utilizzato per addestrare e valutare i modelli robotici. La preparazione non riguarda soltanto l’annotazione di ciò che compare nelle immagini, ma anche l’allineamento temporale dei segnali, la descrizione delle azioni, la verifica della correttezza delle dimostrazioni e l’identificazione dei casi in cui il robot completa o fallisce il compito. Il valore del dataset dipende dalla capacità di rappresentare non soltanto l’esecuzione ideale, ma anche gli errori, le correzioni e le variazioni che si verificano nel mondo reale.
La physical AI rimane un settore giovane e costoso proprio perché la produzione di dati richiede una combinazione di infrastrutture, competenze umane e dispositivi fisici. L’addestramento non può essere svolto interamente attraverso risorse digitali già disponibili: occorre creare nuovi esempi mediante interazioni reali, controllate e misurabili. La disponibilità di dati tattili e multimodali diventa quindi una componente essenziale per sviluppare robot capaci di manipolare oggetti con maggiore precisione, riconoscere condizioni inattese e modificare il proprio comportamento durante l’esecuzione di un’attività.