L’intelligenza artificiale è ormai entrata nella vita quotidiana: suggerisce contenuti, organizza informazioni, supporta le nostre decisioni. Siamo ormai abituati all’idea di una macchina che “pensa”. La prossima sfida è infatti diversa. Macchine capaci di agire nel mondo reale e interagire con oggetti, ambienti e persone. Da qui nasce il concetto di intelligenza fisica: una convergenza tra IA e robotica destinata a ridisegnare industria, lavoro e competenze.
È proprio attorno a questi temi che si sviluppa la ricerca del JOiiNT LAB, il laboratorio congiunto, presente a Bergamo, tra Istituto Italiano di Tecnologia – IIT e Consorzio Intellimech, con la collaborazione di Confindustria Bergamo, Kilometro rosso e Università degli Studi di Bergamo.
È un ambiente pensato per fare ricerca applicata direttamente a contatto con l’industria manifatturiera: ricercatori e personale delle aziende lavorano fianco a fianco in spazi dedicati allo sviluppo di prototipi, con l’obiettivo di costruire innovazione dall’interno dei processi produttivi. Al centro di questo lavoro c’è l’unità di ricerca Physical AI Technologies for Human-Robot CoEvolution, abbreviata come NuBots, focalizzata sull’intelligenza artificiale fisica: sistemi robotici capaci di percepire l’ambiente, apprendere da dimostrazioni umane e collaborare con gli operatori in contesti industriali reali.
Indice degli argomenti
Dall’IA cognitiva all’IA fisica
Negli ultimi anni ci siamo abituati a interagire con sistemi di intelligenza artificiale in contesti prevalentemente digitali. Li troviamo negli smartphone, nelle piattaforme di streaming, o nei motori di ricerca. L’IA ci suggerisce quale musica ascoltare, quali film guardare, quale strada è la più veloce.
Tutte queste applicazioni operano con informazioni digitali: ricevono dati, li elaborano e restituiscono una risposta sotto forma di testo o immagini. Il loro campo di azione è quello dello schermo tramite cui avviene l’interazione.
È proprio questo il confine che l’intelligenza fisica si propone di attraversare: uscire dallo schermo ed entrare in contatto con il mondo fisico, fatto di percezione, forza, precisione, ma soprattutto adattamento a condizioni che cambiano di continuo. Questo tipo di intelligenza non deriva solo dai dati e dalla conoscenza. Deriva prima di tutto dal fatto di avere un corpo che si muove e interagisce con l’ambiente circostante.
Che cos’è esattamente l’intelligenza fisica?
Con questo termine intendiamo la capacità di un sistema robotico di percepire l’ambiente, interpretarlo, interagire con gli oggetti presenti in esso e adattare il proprio comportamento in funzione del contesto. Non si tratta semplicemente di aggiungere un braccio robotico a un algoritmo. Il punto è costruire sistemi in cui la capacità decisionale dell’intelligenza artificiale sia integrata con la capacità di agire fisicamente sulla realtà.
Per decenni abbiamo immaginato l’intelligenza come qualcosa che risiede interamente nella mente: nella capacità di calcolare, ragionare, prevedere. Il corpo è rimasto in secondo piano, uno strumento di esecuzione, separato e subordinato. Questa visione si rifletteva anche nei sistemi di IA: i programmi che hanno battuto campioni umani di scacchi decidevano la mossa, ma era ancora una persona a tradurla fisicamente nel mondo, spostando una pedina sul tavolo. L’intelligenza stava nella decisione, non nel gesto.
Oggi la frontiera della ricerca è superare questa cesura.
Un robot che lavora accanto a una persona non deve soltanto calcolare una traiettoria ideale. Deve comprendere la situazione, riconoscere gli oggetti, adattarsi agli imprevisti, modulare la forza, rispettare la sicurezza dell’operatore. Questo significa che deve interpretare il compito nel suo insieme.
Per capire perché questo sia così difficile, bisogna guardare da vicino il contesto in cui questi sistemi devono operare.
Mondo digitale e mondo fisico
Nel digitale l’intelligenza artificiale dispone di una risorsa vantaggiosa: grandi quantità di dati. Testi, immagini, video, database, log, archivi e contenuti online stanno alimentando modelli sempre più potenti.
Nel mondo fisico il quadro cambia radicalmente. Ogni dato è legato a un’interazione reale, a un sensore, a un ambiente specifico, e per questo è più difficile da raccogliere, più variabile. Ogni ambiente produttivo ha caratteristiche proprie, e persino lo stesso oggetto può cambiare posizione, peso, forma o consistenza da un momento all’altro. A complicare le cose intervengono poi i vincoli fisici reali: attrito, deformazione, equilibrio, usura. Tutti elementi che nel digitale non esistono.
La difficoltà è evidente: il mondo reale è disordinato. Gli oggetti non sono sempre dove dovrebbero essere, le condizioni operative variano. Un sistema robotico che opera in fabbrica, in laboratorio o in un ambiente non strutturato non può limitarsi a ripetere una sequenza predefinita. Deve essere in grado di generalizzare, cioè trasferire ciò che ha imparato da una situazione a un’altra, riconoscendo cosa è essenziale in un’azione e cosa, invece, può cambiare.
Questa è una delle ragioni per cui l’intelligenza fisica è un tema di frontiera. Non basta avere un algoritmo più potente. Serve una nuova integrazione tra percezione, controllo e interazione umano-macchina, soprattutto considerando la scarsità dei dati nel mondo fisico. Per questo motivo è importante sviluppare sistemi capaci di apprendere con meno dati, sfruttando dimostrazioni umane, simulazioni, modelli fisici e capacità di adattamento.
La ricerca si muove proprio verso robot meno rigidi e più capaci di trasferire competenze tra contesti diversi. Un robot utile deve convivere con la variabilità del mondo reale: deve essere robusto, sicuro e capace di migliorare nel tempo.
Insegnare ai robot attraverso l’esperienza umana
Una direzione promettente è l’apprendimento guidato dall’essere umano. Il robot viene istruito osservando o seguendo l’azione di una persona che mostra come eseguire un compito, ad esempio mettere in ordine degli oggetti, manipolare uno strumento, completare una sequenza operativa. Questo significa che è il sistema ad adattarsi al modo in cui l’operatore lavora: non è necessario modificare i gesti, le abitudini o le procedure esistenti per renderle “leggibili” dalla macchina.
L’obiettivo, però, non è ottenere una copia meccanica del gesto.
Un robot che ripete “alla cieca” ciò che ha visto resta fragile: funziona solo se il contesto è identico a quello della dimostrazione, e basta cambiare la posizione di un oggetto, la distanza o l’orientamento perché si riveli inefficace. È qui che entra in gioco l’intelligenza fisica: il sistema deve estrarre dall’azione umana le informazioni salienti, come l’obiettivo del compito, la relazione tra gli oggetti, la sequenza rilevante, i vincoli fisici, il tipo di interazione richiesta. In questo modo la competenza non viene semplicemente registrata, ma trasferita. Il robot non impara solo “un movimento”, ma una capacità operativa che è in grado di adattare al contesto.
Il ruolo di Exsensia nel trasferimento delle competenze
È proprio su questo principio che si fonda Exsensia, una startup dell’Istituto Italiano di Tecnologia nata all’interno del JOiiNT LAB. Il suo software consente a un sistema robotico di apprendere un compito da una singola dimostrazione, generando autonomamente le istruzioni per replicarlo e adattandosi alle variazioni del contesto reale. Il risultato è che un operatore con una conoscenza pratica del proprio lavoro, può insegnare al robot quello che sa fare semplicemente mostrandoglielo, senza ricorrere alla programmazione. L’approccio seguito da Exsensia mira a rendere i robot più accessibili a chi oggi svolge attività pratiche, senza richiedere che il professionista acquisisca competenze completamente nuove.
Perché tutto questo è importante per l’Italia?
Questo passaggio ha un impatto importante anche sul modo in cui immaginiamo l’uso della robotica nei contesti produttivi. Storicamente, l’automazione industriale ha richiesto competenze specialistiche elevate: programmazione, configurazione, manutenzione, calibrazione. Questo ha reso molte soluzioni automatizzate poco flessibili, anche se efficaci, adatte soprattutto a grandi volumi produttivi e processi molto standardizzati.
L’apprendimento guidato dall’essere umano apre invece una prospettiva diversa: non richiede più competenze estremamente verticali, né onerosi processi di configurazione e set-up, rendendo i robot strumenti più semplici da utilizzare e flessibili.
In questo modo possono diventare un valido aiuto anche in contesti dove il processo cambia spesso, dove i lotti sono piccoli, dove il valore sta nella flessibilità e nell’esperienza dell’operatore. In questi contesti la tecnologia deve inserirsi senza cancellare ciò che rende competitivo il sistema produttivo.
La centralità delle competenze nella manifattura
Nei contesti industriali, soprattutto nella manifattura, la figura della persona rimane centrale. Tecnici, operatori, manutentori e specialisti portano nei processi una conoscenza che non si esaurisce in procedure: molte competenze operative sono implicite, si sviluppano con l’esperienza, con la comprensione dei problemi ricorrenti e il contatto diretto con i materiali. Sono competenze difficili da descrivere, ma fondamentali per la qualità del lavoro, ed è proprio da qui che l’intelligenza fisica deve partire.
È un cambio di prospettiva rispetto alla narrativa più diffusa sull’automazione: l’obiettivo è fornire a chi già padroneggia un processo uno strumento in più, che si adatta al suo modo di lavorare e ne prende in carico le parti più ripetitive, lasciando all’operatore spazio per concentrarsi su ciò che richiede giudizio ed esperienza.
La tecnologia può aiutare le imprese a ridurre attività ripetitive, alleggerire compiti fisicamente gravosi e aumentare sicurezza ed efficienza. CraneBot, ad esempio, è una nuova generazione di gru dotate di ADAS (Advanced Driver Assistance Systems) sviluppate al JOiiNT LAB per supportare gli operatori nella movimentazione di carichi pesanti, riducendo il rischio di infortuni in cantiere.
Ma perché questo supporto sia reale, i sistemi devono essere progettati per collaborare con le persone: il punto è rendere le competenze umane trasferibili, scalabili e supportate da strumenti intelligenti. Il modello più interessante non è quello della fabbrica senza esseri umani, ma quello di ambienti produttivi in cui persone e robot lavorano insieme, ciascuno valorizzando le proprie capacità.
Intelligenza fisica e competitività industriale
Per l’Italia, la convergenza tra IA e robotica riguarda direttamente la competitività del sistema industriale. Per il settore manifatturiero in particolare, dove molte imprese competono non solo sulla scala ma sulla qualità, sulla personalizzazione e sulla capacità tecnica delle persone, questo punto è particolarmente rilevante. La manifattura italiana è composta da filiere di alta qualità, competenze tecniche diffuse, imprese capaci di personalizzare prodotti e processi, e in molti casi il vantaggio competitivo non deriva solo dalla tecnologia installata, ma dal sapere pratico delle persone.
L’intelligenza fisica può diventare uno strumento per rafforzare questo patrimonio: può aiutare le imprese a gestire la carenza di manodopera qualificata, trattenere competenze e aumentare la produttività senza rinunciare alla flessibilità. Ma questo richiede una visione industriale chiara. Non basta acquistare robot: servono progettazione, formazione, integrazione nei processi. Serve soprattutto un dialogo tra ricerca e impresa. La domanda che bisognerebbe porsi è: “Come possiamo aumentare la capacità produttiva e qualitativa delle persone attraverso sistemi intelligenti?”.
Frasky e l’applicazione nei vigneti
Un esempio concreto di questo approccio è Frasky, un robot mobile sviluppato anch’esso al JOiiNT LAB per operare nei vigneti. Dotato di braccio e mano robotica, è in grado di muoversi autonomamente nel terreno, riconoscere i grappoli d’uva e applicare trattamenti selettivi, supportando i viticoltori nelle attività più ripetitive. Frasky apre anche la possibilità di svolgere attività nuove come la raccolta continuativa di dati, con una precisione e una capillarità difficili da garantire con approcci più tradizionali. In questo senso il robot affianca e potenzia le attività del viticoltore.
Il vigneto, inoltre, è un ambiente che cambia continuamente, a seconda della stagione, del meteo, della crescita delle piante, ed è proprio questa variabilità a renderlo un banco di prova ideale per l’intelligenza fisica: un sistema che deve generalizzare, adattarsi e saper operare al fianco di chi ci lavora ogni giorno.
Una nuova idea di automazione
Quando si parla di collaborazione umano-robot, non bisogna limitarsi all’immagine del robot che condivide uno spazio fisico con l’operatore. La collaborazione reale è più profonda: significa progettare robot capaci di comprendere intenzioni, adattare il proprio comportamento, imparare da dimostrazioni umane e restituire valore operativo. Tutto questo attraverso interfacce comprensibili che permettano agli operatori di trasferire competenze senza dover diventare programmatori. È un punto cruciale per l’adozione industriale: una tecnologia che richiede troppa specializzazione resta confinata a pochi contesti, mentre una tecnologia configurabile e adattabile dagli stessi operatori può generare un impatto molto più ampio.
La robotica del futuro non sarà definita solo da macchine più potenti, ma da sistemi capaci di apprendere, collaborare e adattarsi. Servirà lavorare contemporaneamente su più fronti: rendere i corpi robotici sicuri nell’interazione, gli algoritmi capaci di apprendere da pochi esempi, le interfacce più intuitive, gli ambienti produttivi pronti ad accogliere nuove forme di collaborazione. Ma la tecnologia, da sola, non basta: il valore nasce dall’integrazione tra intelligenza artificiale, competenza umana e capacità industriale.
L’intelligenza fisica non è soltanto un nuovo capitolo della robotica: è un modo diverso di pensare il rapporto tra persone, macchine e lavoro. Una visione che mette l’essere umano al centro e fa delle macchine uno strumento per amplificare le sue capacità.
Nota dell’autrice
Il presente articolo è stato liberamente tratto dal mio contributo all’evento organizzato da Altroconsumo, nel contesto del Festival dell’Economia di Trento del 21 maggio 2026, svolto insieme a Federico Cavallo, Carlo Cottarelli, Marino Melissano e Alice Rovati.
Partecipa alla community