NewsRobot Umanoidi

Uni-VLaT robot umanoide: il tatto porta il successo al 75%

Uni-VLaT robot umanoide è un metodo che aggiunge una pelle elettronica distribuita alle policy vision-language-action e usa il tatto per interpretare il contatto fisico. Nel preprint inviato il 28 settembre 2026, gli autori riportano un successo medio del 75% in cinque compiti reali su Unitree G1, contro il 32% della stessa impostazione senza input tattile.

Il dato deriva da 20 rollout per compito e metodo nella tabella principale: 100 prove per ogni configurazione confrontata. Cadute, instabilità, arresto di emergenza o assistenza umana non prevista vengono conteggiati come fallimenti. È un protocollo più informativo di una demo selezionata, ma resta un esperimento di laboratorio su un solo robot modificato.

Uni-VLaT robot umanoide: che cosa sente la pelle elettronica

Il G1 usato nel lavoro indossa un capo sensorizzato sul torso e due manicotti sulle braccia. La pelle tessile piezoresistiva di JQ Industries copre otto regioni: petto, centro della schiena, spalle, parte superiore del dorso e braccia. Il sistema espone 624 canali tattili effettivi, campionati sulla stessa griglia a 50 Hz usata per immagini, stato del corpo e azioni.

La policy riceve immagini stereo RGB, un’istruzione linguistica, informazioni propriocettive e quattro frame tattili consecutivi. Questi ultimi rappresentano circa 60 millisecondi di storia recente. I segnali non vengono trattati come una semplice variabile “contatto sì/no”: un encoder conserva la regione interessata e una parte della distribuzione spaziale della pressione.

È importante non confondere questo setup con la dotazione del G1 standard. Sensori tessili, camera stereo, software Uni-VLaT e controller SONIC sono componenti della piattaforma sperimentale. La scheda RobotPower di Unitree G1 mantiene separate configurazione base, versioni EDU e optional documentati.

Non basta aggiungere il tatto alla policy

Il contributo tecnico non si limita a collegare i sensori. Durante l’addestramento, Uni-VLaT usa lo stato tattile come “ancora” per prevedere rappresentazioni future di tatto, propriocezione e immagini. L’obiettivo è apprendere come il contatto evolva insieme alla postura del robot e alla scena, invece di reagire soltanto al valore corrente.

La parte visivo-linguistica preaddestrata resta congelata; vengono adattati l’esperto d’azione, l’encoder dello stato e i moduli tattili. In esecuzione, le teste usate per prevedere il futuro vengono rimosse: la policy genera chunk di token di movimento a 64 dimensioni, poi il controller whole-body SONIC li trasforma in target articolari.

Le dimostrazioni sono state raccolte con teleoperazione PICO sul G1 reale. Il dataset finale contiene 289 episodi, fra 52 e 63 per compito, per poco più di due ore complessive. La teleoperazione serve quindi a produrre i dati di addestramento; i rollout valutati sono eseguiti dalla policy, con la sola interazione umana prevista dal compito.

Cinque compiti fisici, dal tocco sulla schiena alla pulizia

I test coprono forme diverse di contatto. Nel Back-Tap Walking una persona tocca la schiena del robot: G1 deve partire entro un secondo e fermarsi entro un secondo dal rilascio. Nel Table Sweeping deve spingere cinque oggetti oltre una linea senza lasciarne cadere. Nel Basket Loading sostiene un contenitore mentre una persona aggiunge oggetti.

Human–Robot Hugging richiede di avvicinarsi, abbracciare senza oscillazioni marcate e rilasciare le braccia quando la persona si separa. Composed Cleanup è la sequenza più lunga: raccogliere rifiuti in una scatola, sollevarla con entrambe le braccia, trasportarla e depositarla nel contenitore. I compiti includono contatto fisico prescritto, ma qualunque altro intervento umano fa fallire il tentativo.

Con Isaac-GR00T, Uni-VLaT robot umanoide ottiene l’85% nel cammino attivato dal tocco, il 75% nella pulizia del tavolo, l’80% nel sostegno del cesto, l’80% nell’abbraccio e il 55% nella pulizia composta. La media è 75%. Senza tatto i valori sono rispettivamente 0%, 45%, 30%, 55% e 30%, per una media del 32%.

Il 75% non significa che il robot “capisca” il contatto

Il confronto intermedio è decisivo. Aggiungere il tatto senza l’obiettivo predittivo porta già la media al 68%; prevedere soltanto il tatto futuro arriva al 69%; la previsione congiunta di tatto, corpo e visione raggiunge il 75%. Gran parte del salto rispetto alla baseline deriva quindi dalla disponibilità del sensore, mentre il modello multimodale aggiunge altri sette punti.

Il beneficio cambia anche secondo il compito. Nel Back-Tap Walking tutte le varianti con tatto arrivano all’85–90%: qui il contatto è soprattutto un comando. Nel Table Sweeping, invece, Uni-VLaT sale dal 60% della variante tattile semplice al 75%; nel Basket Loading passa dal 65% all’80%. In queste attività il contatto cambia durante l’azione e deve essere collegato a postura e scena.

I valori dei sensori sono unità ADC arbitrarie, non misure dirette di forza. Il paper mostra che la risposta tattile del braccio cambia quando il cesto viene caricato, ma non consente di tradurre il segnale in newton né di definire una soglia universale di sicurezza. Per leggere percentuali e denominatori, la guida RobotPower sul tasso di successo dei robot umanoidi aiuta a distinguere metrica, protocollo e autonomia.

Applicazioni possibili e contesto italiano

Per industria e servizi, il valore del tatto distribuito è concreto: sostenere carichi variabili, rilevare un contatto occluso alla telecamera, adattare una spinta o interrompere un gesto quando cambia l’interazione. Un rivestimento sensorizzato può essere utile anche in laboratori che studiano collaborazione fisica e assistenza, purché non venga scambiato per una certificazione di sicurezza.

In Italia, un integratore dovrebbe chiedere almeno calibrazione, deriva, resistenza del tessuto, pulizia, ricambi, frequenza degli interventi e comportamento dopo un sensore guasto. La guida RobotPower su che cos’è l’embodied AI inquadra il rapporto fra percezione e azione; l’hub Robot Umanoidi distingue invece prototipi, piattaforme di ricerca e prodotti.

Prezzo e disponibilità: il metodo non è un prodotto Unitree

Uni-VLaT robot umanoide non ha prezzo, licenza commerciale o disponibilità italiana documentati. La pagina ufficiale Unitree indica G1 da 13.500 dollari, tasse e spedizione escluse, mentre G1 EDU è su contatto commerciale. Quel listino riguarda l’hardware Unitree, non la pelle JQ, il controller SONIC o l’integrazione descritta nel paper.

Non risultano pubblicati costi dei sensori, distinta base, installazione, durata o supporto dello stack. Il G1 testato non usa mani destre fisiche: quattordici dimensioni dell’interfaccia sono segnaposto di compatibilità. Questa precisazione conta perché “manipolazione” nel lavoro include braccia, corpo e contatto, non una dimostrazione di destrezza manuale.

Limiti e interpretazione RobotPower

Gli autori riconoscono sensibilità al rumore e alle variazioni di montaggio dei sensori. La simulazione del tatto whole-body è ancora limitata, mentre i cinque compiti non coprono superfici, persone e contatti diversi da quelli del laboratorio. I checkpoint sono inoltre scelti in base ai rollout reali e il dataset non prevede una separazione di validazione.

Il risultato più utile non è l’abbraccio del robot, ma il confronto controllato: visione e propriocezione da sole raggiungono il 32%, il tatto semplice il 68% e la previsione multimodale il 75%. Uni-VLaT robot umanoide mostra che sentire il corpo può cambiare molto l’esecuzione, ma non dimostra ancora affidabilità prolungata, sicurezza certificata o trasferibilità automatica a un altro umanoide.

Articoli Correlati

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Pulsante per tornare all'inizio