Per decenni la robotica industriale ha risolto il problema dell’affidabilità attraverso la ripetizione meccanica: ambienti controllati, movimenti predefiniti, zero improvvisazione. I nuovi modelli di intelligenza artificiale fisica promettono qualcosa di diverso – robot capaci di adattarsi, recuperare da errori, operare in ambienti non strutturati – ma fino a oggi lo hanno fatto con tassi di successo troppo bassi per essere economicamente utili. GEN-1, il nuovo modello di Generalist AI presentato il 2 aprile 2026, è il primo a colmare concretamente questo divario: 99% di successo medio su una serie di compiti manuali complessi, velocità di esecuzione circa tre volte superiori allo stato dell’arte, e appena un’ora di dati specifici necessari per addestrarlo su un nuovo compito.
Robotica
GEN-1, il modello di Physical AI che rende i robot intelligenti e affidabili (al 99%)
GEN-1 di Generalist AI è un nuovo modello di intelligenza artificiale fisica che supera per la prima volta la soglia di affidabilità necessaria per l’impiego commerciale su larga scala. Con tassi di successo medi del 99% su compiti complessi e velocità di esecuzione circa tre volte superiori allo stato dell’arte, il modello segna un salto qualitativo rispetto alla generazione precedente – e apre scenari concreti per l’impiego in applicazioni di automazione industriale avanzata.

Continua a leggere questo articolo
Argomenti
Canali
ROBOTICA
-

Come il bin picking e lo scarico dei camion stanno trasformando l’automazione di magazzino
08 Set 2026 -

Neura Robotics e Seco insieme per produrre in Europa i moduli di calcolo per la Physical AI
07 Set 2026 -

Urso: “Nel decreto imprese e in legge di bilancio Business Wallet, incentivi per robotica e umanoidi e proroga dell’iperammortamento”
05 Set 2026 -

Musk: “1 miliardo di umanoidi entro 10 anni”. Ma Siciliano e Bicchi: “Puntare a soluzioni utili”
03 Set 2026 -

Al Parlamento UE in scena 15 robot intelligenti Made in Europe: ecco cosa possono fare e perché serve un Istituto Europeo sulla Robotica
02 Set 2026










