Embodied AI

Nella robotica embodied, percezione e azione formano un ciclo continuo. Il robot osserva, stima lo stato del mondo, decide, agisce e riceve nuove osservazioni che dipendono anche dalle azioni appena eseguite. Il corpo non è quindi un semplice terminale: forma ciò che l’agente può percepire, raggiungere e imparare.

Le survey recenti descrivono l’Embodied AI come un problema che unisce percezione, apprendimento, ragionamento, decisione, controllo e generalizzazione in ambienti aperti e dinamici. I foundation model hanno accelerato questa convergenza perché possono mettere in relazione linguaggio, immagini, spazio e azioni.

I moderni modelli vision-language-action trasformano osservazioni visive e istruzioni in comandi o azioni robotiche. I modelli di embodied reasoning operano invece a un livello più alto: comprendono la scena, pianificano sequenze di passi e possono coordinare l’esecuzione di policy più vicine al controllo.

Uno dei problemi più difficili è trasferire competenze tra embodiment differenti: un braccio bi-manuale, un umanoide e un manipolatore mobile hanno cinematica, sensori e spazi d’azione diversi. Nel 2026 Google DeepMind ha mostrato sistemi Gemini Robotics orientati proprio alla generalizzazione tra piattaforme e al controllo whole-body, segnale di una direzione di ricerca sempre più centrale.

Physical AI ed Embodied AI condividono gran parte dello stack. La differenza utile è di prospettiva: l’Embodied AI nasce soprattutto come problema di intelligenza e apprendimento situati in un corpo; la Physical AI mette in primo piano l’intero sistema necessario per portare quella capacità in una macchina reale, inclusi simulazione, compute, controllo e safety.