Robot umanoidi: Gill Pratt dice che la svolta è nel cervello

C'è una frase di Gill Pratt, chief scientist di Toyota e figura storica della robotica, che vale più di molti keynote: la novità dei robot umanoidi non è il corpo, è il cervello. Detta così sembra quasi una battuta. In realtà è una correzione importante a tutto il racconto che negli ultimi mesi si è gonfiato intorno agli humanoid.

Perché ha ragione? Per un motivo semplice: robot con braccia, gambe, mani e sensori li vediamo da anni. Quello che è mancato a lungo non è stata la forma. È stata la capacità di prendere decisioni abbastanza buone, abbastanza spesso, fuori dalla demo controllata.

In sintesi: il nodo vero degli umanoidi non è l'hardware che impressiona, ma il software che generalizza. Per leggere questa tesi in chiave applicativa conviene affiancare alla gamma robot umanoidi Unitree una domanda più scomoda: quale pilot, quali dati e quali KPI servono davvero per portare un robot fuori dalla demo? La risposta pratica parte dalla guida su pilot e ROI degli umanoidi.

Il corpo del robot non è più la vera notizia

Nell'intervista pubblicata da IEEE Spectrum, Pratt lo dice con chiarezza: gli humanoid non sono una novità nel senso stretto del termine. Il mercato si è acceso perché oggi l'AI promette di renderli più utili, non perché qualcuno abbia finalmente scoperto come costruire gambe e braccia.

È una distinzione che cambia tutto. Se guardiamo solo il corpo, rischiamo di leggere la robotica come una gara di design o di agilità. Se guardiamo il cervello, la domanda diventa un'altra: il robot sa generalizzare? Sa adattarsi a una situazione non prevista? Sa sbagliare meno quando cambia l'ambiente?

Qui la conversazione diventa più seria anche per chi lavora in B2B. Noi vendiamo ancora soprattutto robot che fanno bene compiti specifici, dai flussi di movimentazione interna alle attività di asservimento macchine. E spesso è giusto così. Il sogno del robot universale interessa tutti; il robot affidabile su un task misurabile interessa chi deve davvero far quadrare tempi e margini.

La vera partita è fra system 1 e system 2

Pratt usa una distinzione molto utile anche per i non addetti ai lavori: da una parte c'è il system 1, cioè la risposta rapida, intuitiva, basata su pattern appresi; dall'altra il system 2, che implica ragionamento, verifica, pianificazione, correzione. Secondo lui i progressi più evidenti di oggi stanno ancora soprattutto nel primo blocco.

È qui che il discorso si fa interessante. Molti video di robot impressionano perché mostrano riflessi migliori, locomozione più pulita, movimenti più fluidi o task ripetuti con successo. Ma quando sposti il robot in un contesto meno previsto, il problema torna: capire cosa fare prima di farlo.

La collaborazione fra Boston Dynamics e Toyota Research Institute sui Large Behavior Models va letta proprio in questa direzione. Non basta addestrare una skill singola: serve un sistema che impari più in fretta, trasferisca conoscenza da un task all'altro e regga meglio le deviazioni del mondo reale.

Perché questa tesi è più utile di tutta l'hype

Il vantaggio della tesi di Pratt è che rimette le priorità nel posto giusto. Se il collo di bottiglia è il cervello, allora contano di più:

• dataset utili e ben etichettati;
• simulazione che riduce il divario con il mondo reale;
• benchmark credibili, non solo video spettacolari;
• sicurezza e fallback quando il robot non capisce;
• tempi di addestramento e adattamento, non soltanto performance da palcoscenico.

Questo vale anche per chi guarda gli umanoidi con curiosità commerciale. Un prodotto come Unitree G1, una piattaforma full-size come Unitree H2 o la stessa gamma umanoidi Unitree hanno senso se il software riesce a trasformare un corpo versatile in un comportamento davvero sfruttabile. Altrimenti restano hardware molto affascinanti in cerca di un caso d'uso.

Ed è qui che Pratt, in fondo, dice una cosa liberatoria: non siamo obbligati a credere che il semplice aspetto umano basti. Possiamo chiedere prove migliori. Possiamo misurare affidabilità, apprendimento e continuità operativa. Possiamo pretendere meno teatro e più sostanza.

Conclusione

Il bello di questa posizione è che abbassa il volume senza spegnere l'interesse. I robot umanoidi restano una frontiera affascinante. Ma se vogliamo capire chi sta costruendo valore e chi sta solo costruendo scena, dobbiamo smettere di guardare soltanto le gambe.

Nel 2026 il vero discrimine è un altro: quanto bene il robot interpreta, generalizza e recupera quando il mondo smette di collaborare. Il corpo impressiona. Il cervello decide se il robot resta un video o diventa lavoro utile. Se vuoi capire dove questa traiettoria può diventare concreta in azienda, la mossa sensata non è inseguire il titolo più rumoroso: è discutere un caso reale, con vincoli reali, partendo dalla guida al pilot humanoid, dalla gamma disponibile oggi e poi da un percorso applicativo serio.

Fonti

• IEEE Spectrum, Humanoid Robots and the AI Brain Shift — https://spectrum.ieee.org/humanoid-robots-gill-pratt-darpa
• IEEE Spectrum, Boston Dynamics and Toyota Research Institute Team Up on Atlas — https://spectrum.ieee.org/boston-dynamics-toyota-research
• Toyota Research Institute, TRI's Robots Learn New Skills in an Afternoon — https://medium.com/toyotaresearch/tris-robots-learn-new-skills-in-an-afternoon-here-s-how-2c30b1a8c573
• Toyota Research Institute, Dr. Gill Pratt — https://www.tri.global/about-us/dr-gill-pratt