L’articolo è redatto dall’Osservatorio Innovative Robotics, e spiega che cosa si intende per Physical AI, come funziona dal punto di vista tecnologico e in quali ambiti viene già applicata. Nella parte finale analizza i numeri del mercato italiano della robotica e il ruolo dell’AI “fisica”.
Secondo la definizione dell’Osservatorio Innovative Robotics, la Physical AI è il paradigma dell’Intelligenza Artificiale che prevede l’integrazione di modelli AI all’interno di sistemi fisici, abilitandoli a percepire l’ambiente circostante, elaborare informazioni e agire in modo autonomo in contesti reali e non strutturati. A differenza dell’automazione pre-programmata, la Physical AI consente ai sistemi robotici di adattare il proprio comportamento in tempo reale in risposta a variazioni dinamiche dell’ambiente operativo, abilitando forme di interazione uomo-robot e robot-ambiente di crescente complessità.
Il salto concettuale è duplice. Da un lato l’AI acquisisce un corpo, cioè sensori e attuatori con cui leggere e modificare il mondo. Dall’altro il robot acquisisce una capacità di giudizio che prima non aveva: può riconoscere una situazione mai vista prima e decidere come comportarsi.
La Physical AI abilita non solo l’interazione uomo-macchina, ma anche la collaborazione macchina-macchina: sistemi robotici eterogenei che operano in modo coordinato, condividendo un’intelligenza comune e adattandosi reciprocamente al contesto.
Questo cambia la natura stessa del sistema robotico. Non è più uno strumento che ripete una sequenza predefinita, ma un sistema che interpreta e decide il modo migliore per eseguirla.
La differenza tra Physical AI e automazione tradizionale non riguarda soltanto le tecnologie impiegate, ma il modo in cui i sistemi interpretano l’ambiente e prendono decisioni. Mentre l’automazione tradizionale esegue sequenze di azioni predefinite in contesti accuratamente strutturati, la Physical AI combina modelli di Intelligenza Artificiale, sensori e capacità di interazione per operare anche in situazioni variabili, incomplete o non previste in anticipo.
La tabella seguente sintetizza i quattro piani su cui si gioca il confronto: ambiente, comportamento, gestione dell’imprevisto e riconfigurazione.
| Dimensione | Automazione tradizionale | Physical AI |
| Ambiente operativo | Richiede ambienti strutturati, stabili e prevedibili, in cui posizione degli oggetti, condizioni di lavoro e sequenze operative siano definite in anticipo. | Può operare anche in ambienti dinamici e variabili, adattandosi ai cambiamenti del contesto. |
| Comportamento | Il comportamento del sistema è stabilito a priori dal programmatore attraverso regole, istruzioni e sequenze operative predefinite. | Il comportamento emerge dall’interazione tra modello di AI, dati raccolti dai sensori, istruzioni ricevute e condizioni dell’ambiente. |
| Gestione degli imprevisti | Di fronte a un’anomalia o a una situazione non prevista, il sistema tende a fermarsi, generare un errore o eseguire un’azione non corretta. | Può interpretare l’imprevisto, valutare alternative e cercare una strategia diversa per portare a termine il compito, oltre che correggere le azioni in tempo reale. |
| Riconfigurazione | Il passaggio a un nuovo prodotto o processo richiede spesso una riprogrammazione significativa e, in alcuni casi, la modifica degli spazi o delle attrezzature. | La riconfigurazione può essere più flessibile e avvenire senza dover riprogettare integralmente il sistema. Inoltre, può avvenire attraverso interfacce più intuitive, istruzioni in linguaggio naturale o nuovi dati di addestramento, abbassando significativamente la barriera delle competenze necessarie. |
Il funzionamento si può descrivere come un ciclo chiuso che si ripete in continuo: percepire → rappresentare → decidere → agire → verificare. Vediamo più nel dettaglio questi aspetti.
Il robot raccoglie dati da sensori eterogenei, come telecamere RGB e di profondità, sensori di forza, sensori tattili, encoder di posizione. La lettura complessiva di questi segnali (sensor fusion) restituisce un quadro più affidabile di quello che offrirebbe ogni singolo sensore. Tra i diversi tipi di percezione, il senso del tatto riveste un ruolo particolarmente rilevante: la capacità di rilevare pressione, texture e resistenza è fondamentale per manipolare oggetti con proprietà fisiche variabili o non note a priori.
I dati grezzi vengono trasformati in una rappresentazione utilizzabile: mappe dell’ambiente, identificazione e posa tridimensionale degli oggetti, riconoscimento delle persone presenti, stima delle proprietà fisiche di ciò che il robot deve manipolare. È qui che entrano in gioco i cosiddetti world model, modelli capaci di prevedere come evolverà lo scenario e quali effetti avrà una determinata azione.
Il salto qualitativo rispetto alla robotica tradizionale si gioca proprio in questo passaggio. Da una comprensione puramente geometrica della realtà – posizioni, traiettorie, velocità – si giunge a una comprensione semantica, in cui il robot dà significato a ciò che vede, lo mette in relazione con il contesto e determina autonomamente la sequenza di azioni più adeguata.
Il sistema scompone l’obiettivo in sotto-obiettivi (task planning) e calcola le traiettorie per raggiungerli evitando ostacoli e rispettando i vincoli meccanici (motion planning). I modelli linguistici e multimodali stanno assumendo un ruolo crescente proprio in questo passaggio, perché permettono di tradurre un comando espresso in linguaggio naturale in una sequenza di operazioni eseguibili. Questo potrebbe progressivamente modificare il ruolo del programmatore, che avrà la possibilità di descrivere l’obiettivo desiderato o mostrare al robot come eseguire un’operazione attraverso una dimostrazione diretta.
La pianificazione viene tradotta in comandi per motori e attuatori. Il controllo avviene ad alta frequenza e in retroazione: il robot può infatti correggere il movimento mentre lo sta compiendo, modulando ad esempio la forza di presa in base a ciò che sente. Tra i trend più significativi in questo ambito vi è il passaggio dalla manipolazione di oggetti rigidi – dominio tradizionale della robotica industriale – alla manipolazione di oggetti flessibili o deformabili, che richiede capacità percettive e adattive del tutto nuove.
L’esito dell’azione viene confrontato con il risultato atteso. Lo scarto diventa informazione utile, sia per correggere immediatamente il comportamento sia per migliorare il modello nel tempo.
Un aspetto architetturale importante è la separazione tra livelli. La parte “intelligente” ragiona sull’obiettivo e sul contesto con tempi relativamente lenti, mentre una componente di controllo più semplice governa i movimenti in tempo reale, correggendoli in pochi millisecondi. È questa divisione dei ruoli che permette al robot di essere allo stesso tempo capace di decidere e sicuro nell’esecuzione.
Il paradigma poggia su alcuni filoni tecnologici che stanno maturando in parallelo.
Sono modelli addestrati su grandi quantità di dati eterogenei e poi specializzati sul singolo compito. La famiglia più discussa è quella dei modelli vision-language-action (VLA), che ricevono in ingresso immagini e istruzioni testuali e producono direttamente comandi di movimento. L’obiettivo di fondo è raggiungere un robot che sappia afferrare un oggetto mai visto prima, senza bisogno di essere riprogrammato.
L’imitation learning insegna al robot a partire da dimostrazioni umane, spesso raccolte tramite teleoperazione. Nella sua forma più avanzata, il Few-Shot Learning consente al robot di eseguire un compito inedito dopo aver osservato poche dimostrazioni. Lo Zero-Shot Learning, nella sua forma più spinta, permette invece al robot pre-addestrato in simulazione di affrontare compiti mai visti senza alcun ulteriore addestramento sul campo ed è la frontiera dell’innovazione. Il reinforcement learning lo fa invece apprendere per tentativi.
Addestrare un robot nel mondo fisico è lento e costoso. Per questo gran parte dell’apprendimento avviene in simulazione, dove è possibile eseguire milioni di tentativi in parallelo. La sfida è il passaggio dal simulato al reale (sim-to-real). Per prepararlo, durante l’addestramento si fanno variare di proposito le condizioni della simulazione (luce, attriti, pesi, posizioni degli oggetti), così che il modello non si abitui a un solo scenario ideale e regga anche l’imprevedibilità del mondo vero.
Senza percezione non può esserci Physical AI. Telecamere di profondità, sensori tattili e di forza rendono possibile la comprensione spaziale e abilitano la possibilità di interazione con l’ambiente circostante, modulando presa e movimento in base alle diverse caratteristiche incontrate. Allo stesso tempo, la necessità di reagire in tempo reale spinge verso l’elaborazione in locale (edge computing), che riduce la latenza e la dipendenza dalla connettività.
Quest’ultima esigenza richiama la necessità di un ecosistema tecnologico più ampio. Connettività ad alte prestazioni e bassa latenza, infrastrutture Cloud e sistemi di Cybersecurity sono abilitatori complementari senza i quali la Physical AI non può esprimere il proprio pieno potenziale.
Rispetto al testo e alle immagini, i dati provenienti da interazione fisica sono più difficili e costosi da raccogliere. La disponibilità di dataset robotici condivisi, di ambienti simulati realistici e di infrastrutture per l’apprendimento distribuito tra più macchine è oggi uno dei principali fattori abilitanti, e allo stesso tempo uno dei principali colli di bottiglia. Nel settore sanitario, ad esempio, i dati clinici esistono in grandi quantità ma sono spesso non strutturati e soggetti a vincoli di privacy, il che rende necessari approcci di apprendimento federato per condividerli senza comprometterne la riservatezza.
Le applicazioni mature riguardano soprattutto l’industria e la logistica, ma il perimetro si sta già allargando.
Secondo l’Osservatorio Innovative Robotics, il 28% delle aziende italiane utilizza oggi soluzioni di robotica, principalmente nella manifattura, per un mercato che nel 2025 vale 2,2 miliardi di euro considerando le sole spese in conto capitale e raggiunge 3,5 miliardi di euro includendo anche le spese operative. La spesa media annua per impresa è di 456 mila euro.
L’adozione è destinata a crescere fino al 36% delle aziende entro il 2028. Ed è qui che la Physical AI diventa centrale: tra le imprese che prevedono investimenti in robotica nel 2026, il 29% destinerà risorse a robot innovativi che integrano AI, sensori e apprendimento continuo.
Per quanto riguarda il parco installato, l’82% delle aziende che possiedono soluzioni di robotica afferma di possedere un manipolatore robotico tradizionale, che è ancora la tipologia più diffusa. Ma le intenzioni di investimento per il prossimo triennio si spostano verso le soluzioni abilitate dall’AI:
A spingere non è solo l’efficienza. Sei aziende italiane su dieci riconoscono nella robotica una risposta concreta al calo di manodopera atteso nei prossimi decenni.
Più in generale, la Physical AI si colloca in un momento di svolta per la robotica. La convergenza tra hardware, software e Intelligenza Artificiale sta trasformando una tecnologia storicamente confinata in applicazioni specialistiche in una piattaforma più flessibile, accessibile e potenzialmente pervasiva. In questo senso, il tema non riguarda soltanto nuove macchine, ma anche la ridefinizione della filiera, delle competenze e dei modelli di adozione.
Il senso di questa trasformazione è stato ben sintetizzato da Paolo Rocco, Responsabile scientifico dell’Osservatorio Innovative Robotics, durante il Convegno dei risultati di Ricerca:
“La Physical AI sta dotando i robot di capacità di percezione, ragionamento e pianificazione che fino a pochi anni fa sembravano appannaggio esclusivo dell’intelletto umano. Da esecutori vincolati a sequenze predefinite, i robot diventano capaci di costruire una rappresentazione del mondo, anticipare gli ostacoli e selezionare autonomamente l’azione più appropriata al contesto. Possono operare in ambienti non strutturati, in collaborazione con gli operatori umani e in scenari variabili, estendendo il perimetro d’uso ben oltre i confini della manifattura tradizionale. Non si tratta di robot più veloci o più precisi, ma di sistemi che imparano, si adattano e collaborano, abilitando casi d’uso inaccessibili alle generazioni precedenti. E lo sviluppo costante è destinato a produrre sistemi con capacità di percezione, ragionamento e adattamento sempre superiori.“
La Physical AI, in definitiva, non è un’evoluzione incrementale della robotica, ma ciò che ne ridefinisce il perimetro. Sposta il baricentro del valore dalla sola efficienza alla capacità di adattarsi, collaborare, raccogliere dati e sostenere nuovi modelli operativi. Abbassa la soglia di accesso all’automazione, apre settori finora esclusi e trasforma il robot da macchina dedicata a sistema generalista. Per il sistema produttivo italiano la partita si gioca sulla velocità con cui imprese e istituzioni sapranno adeguarsi.
Contenuti suggeriti dell’Osservatorio Physical AI & Innovative Robotics
