AI Trainer abilita una robotica basata sui dati

Universal Robots ha presentato la piattaforma AI Trainer al GTC 2026, segnando un passaggio verso una robotica guidata dall’AI, in cui i sistemi apprendono i compiti dai dati anziché da istruzioni pre-programmate. Sviluppata in collaborazione con Scale AI, la piattaforma consente la raccolta di dataset di alta qualità direttamente da robot industriali.

La soluzione è progettata per colmare il divario tra la ricerca in AI e le applicazioni reali, consentendo di addestrare i robot utilizzando lo stesso hardware impiegato negli ambienti di produzione.

Addestramento leader–follower per applicazioni reali
Al centro dell’AI Trainer vi è una configurazione leader–follower. Gli operatori umani guidano un robot “leader” attraverso un compito, mentre un robot “follower” sincronizzato replica il movimento in tempo reale.

Durante questo processo, il sistema acquisisce dati multimodali, tra cui movimento, feedback di forza e input visivi. Questi dataset sincronizzati vengono utilizzati per addestrare modelli di AI avanzati, come i sistemi Vision-Language-Action (VLA), consentendo ai robot di apprendere compiti complessi e ricchi di contatto.

Questo approccio permette ai robot di imitare le azioni umane e adattarsi ad ambienti dinamici, favorendo un’automazione più flessibile.

Dati ad alta fedeltà con feedback di forza
Una sfida chiave nello sviluppo dell’AI robotica è la mancanza di dati di addestramento di alta qualità. Molti sistemi si basano principalmente su dati visivi o vengono addestrati su robot non industriali, limitandone l’applicabilità in produzione.

L’AI Trainer affronta questo problema sfruttando il controllo diretto della coppia e il feedback di forza, consentendo di acquisire dati dettagliati sulle interazioni fisiche. Ciò permette ai robot di apprendere compiti che implicano contatto, pressione o manipolazione delicata.

Raccogliendo dati direttamente su robot di livello industriale, la piattaforma garantisce una maggiore affidabilità nelle applicazioni reali.




Apprendimento continuo tramite integrazione dei dati
La piattaforma si integra con l’AI Accelerator di Universal Robots e con l’infrastruttura dati di Scale AI per creare un ciclo continuo di dati. I dati raccolti durante il funzionamento possono essere utilizzati per perfezionare i modelli, che vengono poi ridistribuiti per migliorare le prestazioni nel tempo.

Questo approccio “data flywheel” supporta l’ottimizzazione continua dei sistemi robotici e consente cicli di iterazione più rapidi nello sviluppo dell’AI.

Come parte della collaborazione, le aziende prevedono di rilasciare un ampio dataset industriale raccolto dai sistemi Universal Robots.

Simulazione e generazione di dati sintetici
Oltre alla raccolta di dati fisici, Universal Robots sta esplorando l’addestramento basato su simulazione utilizzando strumenti NVIDIA.

Con NVIDIA Omniverse e Isaac Sim, gli sviluppatori possono addestrare i robot in ambienti virtuali basati sulla fisica. Queste simulazioni consentono di testare in sicurezza scenari complessi e generare dati sintetici su larga scala.

L’azienda sta inoltre valutando l’approccio NVIDIA Physical AI Data Factory per automatizzare la generazione dei dati e accelerare i flussi di addestramento.

Verso una robotica general-purpose
Durante l’evento, Universal Robots ha anche dimostrato un modello fondamentale robotico sviluppato da Generalist AI. Nella dimostrazione, due robot hanno eseguito autonomamente un’attività di confezionamento di smartphone, mostrando movimenti coordinati e manipolazione precisa.

La combinazione di dati di alta qualità, simulazione e modelli fondamentali riflette una tendenza più ampia verso robot general-purpose in grado di percepire, ragionare e apprendere dall’esperienza.

Consentendo un addestramento scalabile basato sui dati, la piattaforma AI Trainer mira ad accelerare la transizione da un’automazione rigida a sistemi robotici adattivi e intelligenti.

A cura della giornalista industriale Romila DSilva, con il supporto dell’IA.