IA fisica open source: come LeRobot democratizza la robotica

TL;DR. Al vertice sull'IA fisica dell'Economist a Londra, Pepijn Kooijmans (Hugging Face) ha mostrato come LeRobot, modelli aperti e bracci da 200 $ aprono la robotica.

Punti chiave

Dalla pianificazione del moto all'apprendimento per imitazione: la svolta architetturale. Nel suo caso di studio, Open for business: how open source is accelerating physical AI (Aperti al business: come l'open source accelera l'IA fisica), Pepijn Kooijmans ha ripercorso il suo percorso dall'ingegneria…
Dentro l'architettura VLA multimodale. Durante il suo intervento, Kooijmans ha mostrato nel dettaglio la pipeline di rete neurale end-to-end che alimenta le moderne policy di IA fisica open source, illustrando come input percettivi ad alta dimensionalità…
Confronto tecnico: automazione classica o IA fisica open source. Fonte: analisi dei dati della presentazione, dei benchmark tecnici e delle dimostrazioni dal vivo presentati al vertice Economist Enterprise Physical AI and Robotics (Convene 200 Aldersgate, Londra, 13 ottobre 2026).
Cosa significa per ciascun settore. L'ascesa di un'IA fisica aperta e guidata dalla comunità sta cambiando i calcoli economici di diversi settori.

Per sei decenni la robotica industriale ha seguito un paradigma implacabile: un ingegnere programma in modo esplicito ogni millimetro del movimento di una macchina con linguaggi proprietari, teach pendant e risolutori cinematici rigidi. Se un pezzo si sposta di cinque millimetri o l'illuminazione cambia, il robot va in errore. Al vertice Economist Enterprise Physical AI and Robotics, a Londra il 13 ottobre 2026, Pepijn Kooijmans, responsabile di LeRobot in Hugging Face, ha presentato un'architettura alternativa che sta smantellando questa eredità: «I robot del futuro non saranno programmati compito per compito. Impareranno».

Dalla pianificazione del moto all'apprendimento per imitazione: la svolta architetturale #

Nel suo caso di studio, Open for business: how open source is accelerating physical AI (Aperti al business: come l'open source accelera l'IA fisica), Pepijn Kooijmans ha ripercorso il suo percorso dall'ingegneria meccatronica classica al deep learning. Per decenni i robotici sono stati formati a scomporre la manipolazione in sottoproblemi discreti e isolati: segmentazione degli oggetti, stima della posa 6D, trasformazioni dei sistemi di riferimento, pianificazione della traiettoria con evitamento delle collisioni e controllo PID dei motori dei giunti.

Questa scomposizione analitica funziona bene negli stabilimenti automobilistici con attrezzature rigide, dove i pezzi arrivano in maschere d'acciaio precise al micron, ma crolla negli ambienti industriali esistenti, nei laboratori, nei magazzini e nelle case. Nel mondo reale gli oggetti si deformano, le superfici riflettono la luce in modo imprevedibile e i colleghi umani introducono ostacoli in movimento.

La tesi di fondo presentata da Hugging Face è che la destrezza fisica non si può specificare analiticamente con regole codificate a mano: va acquisita con l'esperienza. Come i grandi modelli linguistici (LLM) hanno imparato grammatica, ragionamento e conoscenza del mondo prevedendo il token successivo su enormi corpora di testo, gli agenti di IA fisica acquisiscono abilità motorie imparando la distribuzione delle azioni condizionata dalle osservazioni visive e sensoriali.

Questo passaggio dal programmare ogni movimento all'insegnare attraverso la dimostrazione umana segna l'ingresso della robotica nell'era dei modelli fondazionali.

Dentro l'architettura VLA multimodale #

Durante il suo intervento, Kooijmans ha mostrato nel dettaglio la pipeline di rete neurale end-to-end che alimenta le moderne policy di IA fisica open source, illustrando come input percettivi ad alta dimensionalità si traducano in una manipolazione fisica fluida.

Architettura visione-linguaggio-azione end-to-end di Hugging Face LeRobot con token visivi SigLIP, vettore di stato dei giunti, istruzione in linguaggio naturale, cross-attention del VLM Gemma e Action Expert a flow matching che produce 30 azioni coordinate dei giunti .class="img-fluid clearfix"

L'architettura funziona come una pipeline sensomotoria multimodale strettamente integrata:

1. Acquisizione percettiva multiflusso #

Il robot osserva il proprio spazio di lavoro attraverso più flussi di telecamere sincronizzati (di solito una telecamera di base dall'alto che fornisce il contesto spaziale, affiancata da telecamere montate sul polso dei manipolatori sinistro e destro per seguire nel dettaglio i contatti).

Questi flussi di pixel grezzi passano in un vision transformer SigLIP (400 milioni di parametri) congelato, che converte i fotogrammi video in token visivi ad alta densità senza richiedere, durante il fine-tuning della policy, onerosi aggiornamenti del gradiente end-to-end attraverso la rete di base visiva.

2. Vettore di stato cinematico e condizionamento del compito #

Contemporaneamente il sistema campiona lo stato propriocettivo interno del robot: un vettore a 16 dimensioni che registra i 7 angoli dei giunti, le velocità e l'apertura delle pinze dei due manipolatori.

L'utente indica l'obiettivo con un'istruzione libera in linguaggio naturale (per esempio "piega la maglietta", "prendi il bullone esagonale M8 e mettilo nella staffa" oppure "fai passare il cavo nella canalina"), che viene tokenizzata in embedding testuali standard.

3. Nucleo multimodale a cross-attention (Gemma VLM) #

I token visivi, il vettore di stato propriocettivo e i token di testo vengono immessi in un modello visione-linguaggio Gemma (2 miliardi di parametri). Invece di limitarsi a generare testo, il VLM Gemma esegue una cross-attention profonda sulle tre modalità, fondendo l'intento semantico di alto livello dell'istruzione con la geometria spaziale della scena e la configurazione meccanica istantanea del braccio.

L'output di questo modello fondazionale fuso è una rappresentazione densa delle caratteristiche di compito del VLM, che racchiude che cosa va fatto in relazione a dove si trovano gli oggetti.

4. L'Action Expert: flow matching e diffusion policy #

Le caratteristiche del VLM confluiscono direttamente in un Action Expert (300 milioni di parametri) basato sul flow matching. I primi approcci di apprendimento per imitazione si affidavano a una regressione ingenua sull'errore quadratico medio (MSE), che spinge i modelli a produrre la media di dimostrazioni contrastanti e genera robot indecisi e bloccati; il flow matching invece modella la distribuzione multimodale delle traiettorie d'azione umane.

Risolvendo equazioni differenziali di rectified flow su dieci passi di integrazione numerica, l'Action Expert rimuove il rumore gaussiano fino a ottenere una traiettoria coerente di 30 azioni future a una frequenza di controllo di 50 Hz.

5. Action chunking con ensemble temporale #

Prevedendo 30 passi temporali consecutivi (un approccio chiamato action chunking), la policy elimina gli scatti ad alta frequenza e i colli di bottiglia di latenza. Il robot esegue il primo blocco di azioni mentre calcola il piano successivo in background, ottenendo un movimento fluido, cedevole e continuo, di qualità quasi biologica.

Confronto tecnico: automazione classica o IA fisica open source #

Metrica / vettore architetturale	Robotica industriale classica (ROS / PLC / teach pendant)	IA fisica proprietaria chiusa (stack umanoidi dei fornitori)	IA fisica open source (stack Hugging Face LeRobot)
Paradigma di sviluppo	Procedurale; traiettorie esplicite dei giunti e macchine a stati finiti	Deep learning end-to-end; pesi chiusi a scatola nera; API cloud bloccate	VLA end-to-end; pesi aperti, dataset aperti e cicli di addestramento PyTorch aperti
Barriera d'ingresso hardware	Da 30.000 £ a oltre 100.000 £ per braccio industriale (KUKA, FANUC, ABB)	Da 150.000 £ a oltre 350.000 £ per unità umanoide proprietaria	Da meno di 200 $ a 1.500 $ con progetti di hardware aperto stampabili in 3D (SO-100, Koch)
Robustezza ambientale	Fallisce subito se le coordinate del pezzo si spostano di pochi millimetri	Elevata adattabilità, ma il comportamento non si può ispezionare né correggere localmente	Elevata adattabilità visiva; le policy si possono rifinire localmente su nodi edge in reparto
Formato dei dati e telemetria	Formati binari proprietari vincolati al fornitore e registri PLC	Telemetria cloud proprietaria cifrata	Dataset Apache Parquet standardizzati, flussi video MP4 e Hugging Face Hub
Generalizzazione dei compiti	Nulla; ogni nuova geometria di componente richiede una riprogrammazione manuale completa	Promesse di compiti ampi, ma adattamento lento agli utensili industriali su misura	Adattamento rapido con 50-100 dimostrazioni umane registrate con postazioni leader-follower
Impronta hardware per l'inferenza	PLC dedicato o PC industriale con Linux in tempo reale	Enormi cluster di GPU mobili a bordo che assorbono da 300 W a 800 W	Inferenza su silicio consumer all'edge (una sola RTX 4070 o Apple Silicon serie M)

Fonte: analisi dei dati della presentazione, dei benchmark tecnici e delle dimostrazioni dal vivo presentati al vertice Economist Enterprise Physical AI and Robotics (Convene 200 Aldersgate, Londra, 13 ottobre 2026).

Cosa significa per ciascun settore #

L'ascesa di un'IA fisica aperta e guidata dalla comunità sta cambiando i calcoli economici di diversi settori.

Piccole e medie imprese (PMI) #

Le PMI rappresentano oltre l'80% della capacità manifatturiera europea e britannica, ma storicamente meno del 5% poteva permettersi l'automazione. Installare una cella di automazione industriale significava ingaggiare integratori di sistemi specializzati, pagare licenze software a sei cifre e fermare il reparto durante l'installazione.

Con l'ecosistema LeRobot, una PMI che produce staffe di precisione su misura può stampare in 3D una postazione SO-100 a due bracci per meno di 500 £, dotarla di webcam USB da 40 £ e registrare, con un braccio leader stampato in 3D, cinquanta dimostrazioni di un operatore che carica pezzi in una fresatrice CNC. Dopo tre ore di fine-tuning su un normale computer desktop, la policy open source è in grado di gestire da sola il carico della macchina, ripagandosi in poche settimane.

Ricerca accademica e istruzione superiore #

Fino a poco tempo fa i dipartimenti universitari di robotica affrontavano un divario esistenziale: i laboratori ben finanziati potevano permettersi piattaforme Boston Dynamics o Willow Garage, mentre le istituzioni più piccole dovevano limitarsi a simulazioni pure in Gazebo o MuJoCo.

L'IA fisica open source ha democratizzato la sperimentazione fisica. Studenti post-laurea di tutto il mondo possono costruire piattaforme hardware identiche, condividere i checkpoint delle policy addestrate sull'Hugging Face Hub e riprodurre i risultati dei benchmark con rigore statistico. Kooijmans ha sottolineato che il repository di LeRobot è passato in pochi mesi da una manciata di contributori europei a migliaia di robotici attivi in tutto il mondo, a dimostrazione che l'accesso aperto accelera la validazione empirica più dei silos aziendali proprietari.

Assemblaggio conto terzi ad alta varietà e bassi volumi #

Nell'assemblaggio di elettronica e di dispositivi medici le varianti di prodotto cambiano ogni settimana. Le linee automatizzate codificate a mano non sono sostenibili economicamente, perché i costi di riattrezzaggio e riprogrammazione superano il margine di profitto del lotto.

Le policy visione-linguaggio-azione risolvono questo vincolo con il condizionamento dei compiti in linguaggio naturale. Un operatore può cambiare la procedura di assemblaggio semplicemente digitando un nuovo comando o mostrando due iterazioni del nuovo sottoassieme. I meccanismi di cross-attention del modello sfruttano rappresentazioni visive preaddestrate per riconoscere i nuovi componenti senza riaddestrare l'intera rete neurale.

Abbattere il muro dei dati: teleoperazione, Parquet e modelli del mondo #

Il messaggio centrale che Kooijmans ha rivolto ai vertici aziendali è che il principale collo di bottiglia dell'IA fisica non è più la capacità dei modelli: è la varietà delle dimostrazioni.

Nell'elaborazione del linguaggio naturale, i modelli sono stati addestrati su migliaia di miliardi di token raccolti dal web aperto. Nella robotica fisica non esiste un «internet della manipolazione fisica» preesistente. Ogni dimostrazione di una pinza che afferra un oggetto, ruota una valvola o piega un tessuto va registrata nel mondo fisico tramite teleoperazione strumentata con sensori.

Hugging Face LeRobot affronta questa sfida con tre iniziative chiave:

Postazioni di teleoperazione leader-follower: grazie a bracci «leader» passivi a basso costo, stampati in 3D e dotati di encoder magnetici che replicano meccanicamente il robot «follower» attivo, gli operatori umani possono teleoperare il robot senza sforzo in tempo reale, registrando insieme angoli dei giunti, velocità e video multivista.
Schemi standardizzati di dataset Parquet: le dimostrazioni vengono impacchettate in tabelle Apache Parquet standardizzate e ad alte prestazioni, collegate a flussi video MP4 suddivisi in blocchi. Così i comuni strumenti di data engineering (Polars, DuckDB, PyArrow) possono elaborare terabyte di telemetria robotica ad alta velocità.
Dalla simulazione al reale e arricchimento con modelli del mondo: per andare oltre i limiti della teleoperazione fisica, i modelli del mondo open source apprendono dinamiche fisiche generative. Una volta addestrati su un dataset di base di dimostrazioni reali, simulano milioni di scenari controfattuali (illuminazione variabile, ingombri aggiunti, attrito del tavolo modificato) direttamente nello spazio latente, sottoponendo le policy a stress test prima del dispiegamento reale.

Conclusione #

La presentazione di Hugging Face LeRobot al vertice Economist Enterprise Physical AI and Robotics ha reso evidente un punto di svolta decisivo per il settore robotico. L'epoca in cui la robotica richiedeva budget d'investimento di milioni di sterline, linguaggi di programmazione proprietari e gabbie di fabbrica rigide sta lasciando il posto a un ecosistema aperto, collaborativo e guidato dai dati.

Unendo modelli fondazionali multimodali visione-linguaggio, action chunking basato sul flow matching e hardware aperto a costi accessibili, l'IA fisica open source sta trasformando i robot da automi fragili in sistemi adattivi che imparano. Per i responsabili dell'ingegneria e i dirigenti tecnologici, il mandato strategico è inequivocabile: il vantaggio competitivo non verrà più dal possesso di hardware meccanico proprietario, ma dalla padronanza delle pipeline di dati, dei flussi di raccolta delle dimostrazioni e dei modelli fondazionali che insegnano alle macchine a padroneggiare il mondo fisico.

Domande frequenti #

Che cos'è Hugging Face LeRobot? Hugging Face LeRobot è un framework open source e un'iniziativa comunitaria pensati per democratizzare la robotica e l'IA fisica. Offre implementazioni in PyTorch di algoritmi di apprendimento per imitazione all'avanguardia, formati di dataset standardizzati, modelli fondazionali visione-linguaggio-azione (VLA) preaddestrati e progetti di hardware open source (come l'SO-100), per abbassare le barriere economiche e tecniche della robotica.

In che cosa l'apprendimento per imitazione differisce dalla programmazione robotica classica? La programmazione robotica classica richiede a un ingegnere di scrivere codice procedurale esplicito che specifichi coordinate cartesiane esatte, soluzioni di cinematica inversa e transizioni di stato, con teach pendant o script ROS. L'apprendimento per imitazione, invece, addestra reti neurali a imitare il comportamento umano osservando dimostrazioni registrate di persone che svolgono il compito in teleoperazione, e apprende una policy che collega direttamente le osservazioni sensoriali ai comandi motori.

Qual è il ruolo del VLM Gemma nella pipeline di IA fisica? Nelle architetture moderne di IA fisica, il modello visione-linguaggio (VLM) Gemma funge da motore di ragionamento multimodale. Riceve i token visivi delle telecamere (codificati con SigLIP), il vettore di stato fisico dei giunti del robot e le istruzioni in linguaggio naturale. Con la cross-attention fonde l'intento semantico con la geometria visiva per produrre rappresentazioni di compito di alto livello che guidano l'Action Expert.

Che cos'è il flow matching nella previsione delle azioni robotiche? Il flow matching è una tecnica di modellazione generativa affine ai flussi normalizzanti continui e ai modelli di diffusione. In robotica trasforma un semplice rumore gaussiano in traiettorie d'azione complesse e multimodali risolvendo equazioni differenziali ordinarie su più passi. In questo modo il robot può gestire situazioni ambigue in cui esistono più movimenti validi, evitando gli artefatti di media che fanno fallire i modelli di regressione più semplici.

I bracci robotici stampati in 3D sotto i 200 $ possono svolgere compiti di produzione? Anche se i bracci sotto i 200 $ come l'SO-100 non hanno la portata, la rigidità strutturale e la ripetibilità submillimetrica richieste dalla lavorazione aerospaziale pesante, sono pienamente in grado di eseguire manipolazione delicata, ispezione, gestione di liquidi in laboratorio e preparazione di kit di minuteria. Soprattutto, le policy addestrate e validate su queste piattaforme a basso costo si possono trasferire direttamente su bracci robotici collaborativi di livello industriale con un fine-tuning minimo.

Riferimenti #

Economist Enterprise, (2026). Vertice Physical AI & Robotics: vantaggio operativo grazie ai sistemi autonomi ⧉. Economist Enterprise.
Kooijmans, P., (2026). Aperti al business: come l'open source accelera l'IA fisica ⧉. Hugging Face.
Hugging Face, (2026). LeRobot: machine learning all'avanguardia per la robotica reale in PyTorch ⧉. GitHub.
Chi, C., Xu, Z., Feng, S., Cousineau, E., Du, Y., Burchfiel, B. e Song, S., (2024). Diffusion Policy: apprendimento di policy visuomotorie tramite diffusione delle azioni ⧉. Columbia University & MIT.
Zhao, T. Z., Kumar, V., Levine, S. e Finn, C., (2023). Imparare la manipolazione bimanuale di precisione con hardware a basso costo ⧉. Stanford University.
Zhai, X., Mustafa, B., Kolesnikov, A. e Beyer, L., (2023). Perdita sigmoidea per il preaddestramento linguaggio-immagine (SigLIP) ⧉. Google DeepMind.
Lipman, Y., Chen, R. T. Q., Ben-Hamu, H., Nicklas, M. e Le, M., (2023). Flow matching per la modellazione generativa ⧉. Meta AI Research.

Ultima revisione 2026-10-13.

Ultima revisione 2026-10-27.

Ripubblica questo articolo

IA fisica open source: come LeRobot democratizza la robotica — Sebastien Rousseau

Al vertice sull'IA fisica dell'Economist a Londra, Pepijn Kooijmans (Hugging Face) ha mostrato come LeRobot, modelli aperti e bracci da 200 $ aprono la robotica.

Questo articolo è pubblicato con licenza Creative Commons Attribution 4.0 International. La ripubblicazione richiede l'attribuzione all'URL canonico.

IA fisica open source: come LeRobot democratizza la robotica — Sebastien Rousseau

Al vertice sull'IA fisica dell'Economist a Londra, Pepijn Kooijmans (Hugging Face) ha mostrato come LeRobot, modelli aperti e bracci da 200 $ aprono la robotica.

Originally published at https://sebastienrousseau.com/it/2026-10-13-fisica-open-source-come-lerobot-democratizza/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER