Mimic robotics ha sviluppato FLUX-mimic, un modello video-azione progettato per insegnare ai robot industriali attività di manipolazione complesse utilizzando quantità di dati dimostrativi molto inferiori rispetto alle architetture robotiche tradizionali. Il sistema, realizzato in collaborazione con Black Forest Labs, è già in fase di sperimentazione negli stabilimenti Audi su operazioni difficili da automatizzare, tra cui la movimentazione di materiali flessibili, la gestione di componenti con configurazioni variabili e l’esecuzione di movimenti di precisione.
Molti sistemi robotici generalisti utilizzano modelli Vision-Language-Action, o VLA, nei quali un modello addestrato su immagini e linguaggio viene affiancato da un componente incaricato di generare i movimenti del robot. Questa impostazione consente di riconoscere oggetti e interpretare istruzioni, ma le immagini statiche contengono informazioni limitate sul comportamento fisico degli elementi durante un’azione: non descrivono completamente come un materiale si piega, come due oggetti entrano in contatto, come cambiano le forme durante la presa o quali conseguenze produce una determinata forza applicata.
Le informazioni mancanti devono quindi essere apprese attraverso dimostrazioni eseguite direttamente con il robot, raccogliendo per ogni traiettoria immagini, posizioni, movimenti, forze e comandi. La procedura richiede la disponibilità dell’hardware, un operatore, un ambiente opportunamente configurato e numerose ripetizioni, con costi che aumentano rapidamente quando il processo produttivo comprende molte varianti o cambia frequentemente.
FLUX-mimic utilizza invece le rappresentazioni visive generate dall’architettura multimodale FLUX 3 di Black Forest Labs per prevedere come dovrebbe evolversi nel tempo l’esecuzione corretta di un’attività. Il modello costruisce quindi una rappresentazione visiva interna del risultato e della sequenza necessaria per ottenerlo, mentre un decoder delle azioni traduce questa previsione nei comandi fisici destinati al robot. In altri termini, il sistema non calcola soltanto il movimento immediatamente successivo, ma genera una sorta di piano visivo latente dell’intera operazione e ricava da esso le traiettorie da eseguire.
La tecnologia deriva dal precedente progetto mimic-video, con il quale l’azienda aveva già sperimentato l’impiego di modelli video preaddestrati come base per il controllo robotico. Nei test pubblicati, mimic-video avrebbe raggiunto un’efficienza nell’impiego dei dati circa dieci volte superiore e una velocità di convergenza dell’addestramento doppia rispetto a un’architettura VLA comparabile. Il sistema reale era stato addestrato utilizzando circa 500 traiettorie registrate con una configurazione robotica destreggiante a due mani.
Con FLUX-mimic, l’architettura è stata estesa impiegando le capacità di FLUX 3 e introducendo componenti specificamente sviluppati per la physical AI. Secondo mimic robotics, attività che in precedenza potevano richiedere almeno 30 ore di dimostrazioni robotiche sarebbero in grado di raggiungere prestazioni utilizzabili in produzione con appena 30 minuti di dati. Il dato dovrà essere verificato su una gamma più ampia di impianti, robot e condizioni operative, ma una riduzione di questa portata potrebbe incidere in modo significativo sui costi di adozione della robotica industriale.
Nelle applicazioni reali, infatti, il costo del robot rappresenta solo una parte dell’investimento. Una quota consistente deriva dalla programmazione, dall’integrazione con le linee esistenti, dalla simulazione dei cicli, dai test di sicurezza, dalla messa a punto delle traiettorie e dalle successive modifiche richieste quando cambiano il prodotto o il processo. Un sistema capace di apprendere una nuova operazione attraverso poche dimostrazioni potrebbe ridurre il lavoro di reingegnerizzazione e rendere economicamente sostenibile l’automazione anche nelle produzioni caratterizzate da volumi inferiori e maggiore variabilità.
Audi sta valutando FLUX-mimic direttamente in ambienti produttivi, dove i robot devono rispettare tempi ciclo precisi, mantenere prestazioni costanti e adattarsi a materiali e configurazioni non sempre identici. Le prove comprendono operazioni di manipolazione di corpi morbidi, particolarmente complesse per i sistemi convenzionali perché la geometria dell’oggetto cambia durante la presa e non può essere descritta completamente mediante coordinate e regole prestabilite.
La sperimentazione si inserisce nelle attività di ricerca condotte da Audi presso il sito di Böllinger Höfe, dove vengono testati intelligenza artificiale, robot mobili, computer vision e sistemi di prelievo avanzati. L’elevato livello di personalizzazione di veicoli come l’e-tron GT determina flussi logistici composti da molte varianti di componenti, rendendo più difficile l’impiego di automazioni rigide progettate per ripetere sempre lo stesso movimento in un ambiente perfettamente strutturato.
Mimic robotics sta inoltre sviluppando una piattaforma integrata che comprende mani robotiche destreggianti, dispositivi indossabili per la raccolta dei dati, modelli di apprendimento e strumenti di distribuzione negli impianti. Il sistema indossabile registra i movimenti delle mani umane in un formato trasferibile alle mani robotiche, consentendo agli operatori di mostrare direttamente il comportamento desiderato. L’azienda ha scelto di concentrarsi sulle mani invece di costruire robot umanoidi completi, perché gli end effector destreggianti possono essere montati sui bracci industriali già presenti nelle fabbriche, limitando le modifiche all’infrastruttura esistente.
La reale efficacia del sistema dipenderà dalla capacità di mantenere tassi di successo elevati lungo migliaia di cicli, garantendo tempi prevedibili, sicurezza, recupero dagli errori e integrazione con i sistemi di controllo della fabbrica. Un modello rapido da addestrare ma instabile non offrirebbe vantaggi concreti rispetto alla robotica programmata tradizionalmente. Se l’efficienza dichiarata nella raccolta dei dati sarà accompagnata dall’affidabilità richiesta in produzione, i modelli video-azione potrebbero però estendere l’automazione all’assemblaggio di componenti flessibili, alla selezione di oggetti irregolari, alla gestione di inventari misti e ai processi di confezionamento soggetti a frequenti cambi di formato.
Il passaggio più rilevante non consiste quindi soltanto nella costruzione di mani robotiche più sofisticate, ma nell’introduzione di un diverso metodo di programmazione industriale. Invece di descrivere anticipatamente ogni traiettoria, forza e condizione, l’operatore mostra l’attività al sistema, mentre il modello ricostruisce l’evoluzione visiva del compito e la converte nelle azioni necessarie. La collaborazione con Audi permetterà di verificare se questa impostazione può superare i test controllati e diventare una tecnologia affidabile per il funzionamento continuativo delle linee produttive.