Perché in fabbrica un robot preciso al 96% non basta ancora
Il risultato ottenuto dal robot umanoide Apollo 2 sulle linee Mercedes-Benz, il 96% di successo nello smistare componenti metallici, sembra altissimo. Ma per una fabbrica non lo è: un operaio su un compito ripetitivo lo esegue correttamente praticamente sempre.
- Sulle linee Mercedes il robot ha sbagliato circa un gesto su venticinque.
- Un operaio su un compito ripetitivo sbaglia molto meno, e in fabbrica il margine accettabile è minimo.
- DeepMind ammette che recuperare l'ultimo 4% sarà una "strada ripida".
Quattro errori ogni cento gesti
Il dato arriva dal test condotto da Google DeepMind insieme ad Apptronik e Mercedes-Benz su linee di produzione attive in Ungheria e Germania. Il compito era il kitting, cioè prelevare pezzi alla rinfusa e disporli nei vassoi nell'ordine richiesto dalla vettura successiva. Secondo Ars Technica si tratta di un risultato notevole rispetto ai sistemi robotici precedenti, ma probabilmente ancora insufficiente per un'azienda come Mercedes-Benz.
La ragione è aritmetica. Una linea di assemblaggio ripete lo stesso gesto migliaia di volte al giorno: un tasso di errore del 4% significa decine o centinaia di pezzi sbagliati, ciascuno dei quali può bloccare la catena, richiedere un intervento umano o far arrivare al cliente un'auto incompleta. Nella produzione industriale l'affidabilità non è una media da migliorare, è un requisito da rispettare quasi sempre.
L'ultimo 4% è la parte più difficile
Lo riconosce la stessa azienda che ha sviluppato il modello. Kanishka Rao, director di Google DeepMind, ha definito una "strada ripida" il percorso necessario per colmare quell'ultimo 4%. È un'affermazione che vale ben oltre la robotica: nei sistemi di intelligenza artificiale i primi progressi arrivano in fretta, mentre gli ultimi punti percentuali richiedono spesso più tempo e risorse di tutto il lavoro precedente, perché riguardano i casi rari e imprevisti, quelli che un laboratorio difficilmente riproduce.
Nel caso di un umanoide i casi limite sono concreti: un pezzo incastrato in modo anomalo, un riflesso che inganna la telecamera, un contenitore quasi vuoto, un operaio che passa accanto. Non a caso DeepMind ha lavorato anche sulla sicurezza, dichiarando miglioramenti nel completamento sicuro dei compiti vicino a ostacoli e persone, e ha pubblicato un benchmark aperto per verificare se un modello robotico possa essere indotto ad azioni pericolose.
Perché conta
Il 96% è il numero che finisce nei titoli, ma è anche il modo migliore per capire quanto sia ancora distante la sostituzione del lavoro umano nelle fabbriche. Le percentuali alte annunciate dai laboratori vanno lette sempre insieme alla soglia richiesta dal contesto reale: in medicina, nella guida autonoma o in una linea di montaggio il margine accettabile è molto più stretto che in una demo. Per chi lavora nella manifattura italiana, fortemente legata alla filiera automotive europea, è la differenza tra una trasformazione imminente e una prospettiva ancora da costruire.




