Humanoid robots can look remarkably capable in a short demonstration and still struggle when the lighting changes, an object is moved a few inches, a drawer sticks, or a task takes longer than the sequence used during training. That gap between a polished demo and dependable real-world work is the central problem next-generation humanoid robotics is trying to solve.
The shift now underway is from robots that mainly replay programmed motions toward robots that can perceive, reason, plan, and act through a physical body. This approach is commonly called embodied AI. In practical terms, the robot is not only running an AI model; its intelligence is tied to cameras, force sensors, joint positions, hands, legs, and the changing environment around it.
As of September 2026, several major robotics programs are pushing this direction. Google DeepMind introduced Gemini Robotics 2 in July 2026 with whole-body control and embodied reasoning; NVIDIA's GR00T 1.7 provides an open vision-language-action foundation model and end-to-end training workflow; Figure says Helix 02 extends its learned control from the upper body to full-body loco-manipulation; and Boston Dynamics is combining learned behaviors, reinforcement learning, and foundation-model research with its production Atlas platform. These developments are important, but they should be read as evidence of rapid progress—not proof that general-purpose humanoids are ready for every workplace or home.
Conventional industrial robots are extremely effective when the world is controlled. A fixed arm can repeat the same weld, placement, or assembly motion thousands of times because the object location, tooling, safety enclosure, and task sequence have been engineered around the robot.
Humanoid robots target a harder operating environment: spaces built for people. Shelves, doors, bins, tools, stairs, workstations, and parts may vary. The robot may need to walk, reach, balance, manipulate, recover from a bad grasp, and understand a spoken instruction without a technician rewriting a motion program every time something changes.
That creates four connected problems:
Embodied AI is changing humanoid development because it attacks these problems as a connected learning system rather than treating perception, planning, and motion as isolated scripts.
The easiest conceptual improvement is also the most fundamental: the robot must continuously observe what happened after it acted. A scripted machine can execute “move hand to coordinates X, Y, Z.” An embodied system instead tries to answer a richer loop: “Where is the object now? Did I grasp it? Did it move? What should I do next?”
Modern vision-language-action models, usually shortened to VLAs, connect visual input and natural-language instructions to robot actions. Google DeepMind describes Gemini Robotics 2 as a VLA that converts vision and language into motor control. NVIDIA describes GR00T 1.7 as a cross-embodiment VLA that accepts multimodal inputs such as language, images, and robot state and produces actions.
This matters because the same model can potentially reuse broad concepts across many tasks. “Pick up the blue box and place it in the tray” no longer has to mean a hard-coded trajectory tied to one exact table layout.
For current technical details, see Google DeepMind's July 2026 Gemini Robotics 2 release and NVIDIA's July 2026 GR00T 1.7 development guide.
The next step is reducing how much behavior must be learned from scratch. A robot foundation model aims to encode reusable priors about objects, language, motion, and manipulation before a developer specializes it for a particular humanoid or workflow.
NVIDIA says GR00T 1.7 was pretrained on roughly 32,000 hours of real demonstration and egocentric human data plus about 8,000 hours of simulated rollouts and demonstrations. Developers can then post-train the base model for a specific embodiment and task rather than beginning with an empty policy.
The expected quality gain is not simply “the robot knows more.” The more useful outcome is generalization: a policy should continue working when object position, viewpoint, background, or task phrasing changes within reasonable bounds.
A good sign that this approach is helping is when a team can add a new object, scene layout, or instruction with less task-specific retraining than before. A warning sign is when every new variation still requires a separate policy, carefully staged environment, or manual recovery routine.
Physical robots are costly training devices. Motors heat up, hands wear, batteries run down, objects break, and a fall can stop development for hours or days. Simulation addresses this by letting policies practice many variations in parallel before testing on hardware.
Boston Dynamics describes training Atlas behaviors with reinforcement learning in simulation, then moving to real hardware and iterating from real-world results. NVIDIA's GR00T workflow similarly includes simulation setup, teleoperation data collection, policy training, evaluation, and deployment.
The critical phrase is sim-to-real: transferring what a model learned in simulation to a physical robot. Simulation is valuable, but it is not reality. Friction, contact, sensor noise, cable behavior, material compliance, and human unpredictability are difficult to model perfectly.
Teams should therefore treat simulation as a force multiplier, not a replacement for hardware validation. A policy that looks perfect in simulation but collapses under small real-world variations has not solved the deployment problem.
Humanoids become truly different from stationary robot arms when locomotion and manipulation are solved together. A person opening a heavy door naturally shifts weight, changes stance, rotates the torso, and adjusts grip. Humanoid robots must coordinate similar dependencies across many joints while remaining stable.
Figure announced Helix 02 in January 2026, saying its system links vision, touch, and proprioception to full-body actuation in a unified visuomotor network. The company demonstrated an autonomous dishwasher task that combined walking, balance, and manipulation over several minutes. This is a company-reported demonstration rather than an independent benchmark, but it illustrates the direction clearly: full-body autonomy is replacing the older split between “navigation first” and “arm task second.”
Google DeepMind's Gemini Robotics 2 release similarly emphasizes whole-body humanoid control, including coordinated movement from feet to fingertips. The broader engineering goal is not to make every humanoid move like a person. It is to let the robot choose stable, efficient body motions that achieve the task safely.
A VLA can handle local sensor-to-action behavior, but long tasks need higher-level reasoning. Consider “clear this workbench, put tools in their labeled drawers, throw away packaging, and report anything damaged.” The robot must identify subtasks, track which ones are complete, recognize failure, and change the plan when the environment does not match expectations.
Google DeepMind separa questo ruolo in Gemini Robotics ER 2, un modello di ragionamento incarnato progettato per la comprensione spaziale, la pianificazione delle attività, l'orchestrazione degli strumenti e il rilevamento del successo. L'azienda descrive una gerarchia in cui un modello di ragionamento di alto livello può delegare l'esecuzione motoria a un VLA di livello inferiore.
Questa architettura a strati è importante perché il controllo motorio ad alta frequenza e la pianificazione lenta e ponderata delle attività hanno esigenze diverse. Una mano umanoide potrebbe aver bisogno di aggiornamenti rapidi dei comandi, mentre un sistema di pianificazione potrebbe dover riconsiderare la successiva sotto-attività solo dopo un evento significativo.
Per i team di produzione, il test di qualità consiste nella capacità del sistema di riprendersi dagli errori più comuni. Un robot in grado di eseguire otto passaggi solo se tutti i precedenti sono andati a buon fine è ancora fragile. Un sistema più robusto è in grado di rilevare lo slittamento del pezzo, riacquisirlo e proseguire senza dover riavviare l'intera operazione.
Il ragionamento in cloud può fornire modelli complessi e calcoli intensivi, ma un robot fisico non può sempre attendere un round trip di rete prima di reagire. Equilibrio, prevenzione delle collisioni, correzione della presa e molti cicli di controllo richiedono una latenza bassa e prevedibile.
Ecco perché i modelli robotici on-device e gli acceleratori edge sono importanti. Il lavoro di Google DeepMind su Gemini Robotics On-Device si concentra sull'esecuzione locale di intelligenza manipolativa generica, mentre lo stack umanoide di NVIDIA supporta l'implementazione tramite edge computing come Jetson Thor.
L'architettura più probabile per umanoidi capaci è ibrida, piuttosto che puramente locale o basata esclusivamente sul cloud: percezione e controllo rapidi in prossimità del robot, con attività più complesse come la pianificazione, l'analisi della flotta o gli aggiornamenti del modello eseguiti su infrastrutture più potenti quando la latenza e la connettività lo consentono.
Il vantaggio commerciale dell'intelligenza artificiale incarnata diventa più rilevante quando le competenze possono essere riutilizzate da molti robot. L'automazione tradizionale spesso si basa sulla copia dello stesso programma in celle identiche. Il comportamento umanoide appreso può potenzialmente essere scalato distribuendo una politica migliorata e utilizzando i dati della flotta per scoprire nuovi casi di errore.
Boston Dynamics afferma che i comportamenti appresi da Atlas possono essere riutilizzati su diverse flotte e sta sviluppando Atlas per attività industriali come la sequenza dei pezzi e la movimentazione dei materiali. Il suo programma di prodotti per il 2026 include anche la collaborazione con Google DeepMind sui modelli di base di Gemini Robotics. Consulta la panoramica sull'evoluzione di Atlas di Boston Dynamics e l' annuncio della partnership con Google DeepMind .
L'apprendimento a livello di flotta introduce un nuovo requisito: la disciplina nella valutazione. Un aggiornamento delle policy che migliora un'attività ma crea problemi altrove non dovrebbe essere implementato su larga scala senza test di regressione.
| Approccio più vecchio | Direzione dell'IA incarnata | Risultato da ricercare |
|---|---|---|
| Script e coordinate fissi | Controllo visivo e propriocettivo a circuito chiuso | Recupero quando gli oggetti si muovono o le prese falliscono |
| Una politica per ogni attività | Modelli di base e post-formazione | Adattamento più rapido ai compiti correlati |
| Camminare e manipolare separatamente | Controllo appreso dell'intero corpo | Manovrabilità locomotiva stabile per compiti di lunga durata |
| Piccoli insiemi di dati fisici | Dati reali, simulazione e teleoperazione | Copertura più ampia dei casi limite |
| Script di attività locali | Ragionamento gerarchico più esecuzione VLA | Sequenze più lunghe con autocorrezione |
| Regolazione del singolo robot | Apprendimento inter-incarnazione e di flotta | Competenze riutilizzabili su diverse piattaforme e implementazioni. |
I progressi sono reali, ma diversi limiti restano facili da sottovalutare.
Un modello può ottenere un buon punteggio nelle valutazioni di robotica pur risultando inadatto a un impiego in contesti critici per la sicurezza. La scheda tecnica del modello Gemini Robotics ER 2 di Google DeepMind avverte esplicitamente gli utenti di usare discrezione in ambienti di produzione, commerciali o pubblici e specifica che i modelli robotici non devono essere utilizzati per applicazioni critiche per la sicurezza in cui un malfunzionamento potrebbe prevedibilmente causare lesioni, morte o danni materiali.
Scegliere le scatole è molto più semplice che manipolare cavi flessibili, oggetti bagnati, imballaggi deformabili, elementi di fissaggio stretti o gruppi di attrezzi intricati. Le dimostrazioni efficaci dovrebbero quindi essere giudicate in base alla varietà e alla ripetibilità delle attività, non solo alla loro complessità visiva.
Anche se ogni singola azione è altamente affidabile ma non quasi perfetta, un'attività che contiene decine o centinaia di azioni dipendenti può comunque fallire frequentemente. Ecco perché il rilevamento del successo, il ripristino e la gestione delle eccezioni sono importanti quanto la pura accuratezza delle azioni.
I modelli più avanzati non possono compensare indefinitamente la debolezza delle mani, la scarsa precisione dei sensori, il surriscaldamento degli attuatori, la durata limitata della batteria, i giochi meccanici o la difficoltà di manutenzione. L'utilità dei robot umanoidi dipende dal miglioramento congiunto di software e hardware.
Il modo migliore per valutare l'IA incarnata è andare oltre la qualità della demo e chiedersi se il robot diventi più utile in presenza di variazioni. Un'autovalutazione pratica può includere le seguenti domande:
Se i progressi si manifestano solo in dimostrazioni attentamente pianificate ma non in queste misurazioni, il team dovrebbe cambiare approccio, spesso restringendo il compito, raccogliendo dati più precisi sui guasti, migliorando la copertura della simulazione, rafforzando il controllo di basso livello o aggiungendo livelli espliciti di sicurezza e ripristino.
L'intelligenza artificiale incarnata sta rivoluzionando la robotica umanoide perché cambia il modo in cui i robot acquisiscono e riutilizzano le competenze. Il cambiamento chiave consiste nel passare dalla programmazione di ogni singolo movimento all'addestramento di sistemi in grado di connettere percezione, linguaggio, stato fisico, ragionamento e azione in un ciclo continuo.
La prova più convincente nel 2026 non è che gli umanoidi siano diventati universalmente versatili. È piuttosto che diverse tecnologie precedentemente separate – modelli di base multimodali, politiche VLA, apprendimento per rinforzo, simulazione, hardware destreggiato, inferenza on-device e implementazione di flotte – stanno convergendo in stack robotici coerenti.
Questa convergenza rende i robot umanoidi più adattabili e più facili da addestrare, ma un'autonomia affidabile richiede comunque un'attenta valutazione nell'ambiente specifico in cui il robot opererà. La prossima generazione verrà giudicata meno in base alla capacità di un robot di eseguire una dimostrazione sorprendente e più in base alla sua capacità di ripetere in sicurezza compiti utili, di rimediare a errori comuni e di migliorare senza una costante riprogrammazione manuale.
Scopri come i chiplet, il packaging avanzato, gli acceleratori di intelligenza artificiale e il carburo di silicio stanno rivoluzionando il settore industriale e come valutare queste tecnologie senza lasciarti influenzare dall'entusiasmo generale.
See how embodied AI, vision-language-action models, simulation, and whole-body control are making humanoid robots more adaptable—and where limits remain.
Confronta i sistemi di controllo del traffico aereo centralizzato (ATC), UTM/U-space, corridoi e gestione del traffico ibrida per aree urbane densamente popolate, considerando sicurezza, scalabilità, resilienza e compromessi.
Scopri come i gemelli digitali della catena di approvvigionamento combinano dati in tempo reale, simulazioni e test di scenario per migliorare la visibilità, la resilienza e la risposta alle interruzioni.
Un'analisi pratica dello spazio aereo, degli hub terrestri, dell'energia, delle comunicazioni, della sicurezza e delle infrastrutture comunitarie necessarie per rendere affidabile il trasporto aereo merci su larga scala.
Come le megalopoli possono utilizzare infrastrutture verdi, foreste urbane, zone umide, tetti verdi e corridoi blu-verdi per ridurre il rischio di calore e alluvioni.
Scopri come UTM combina l'intento di volo condiviso, la deconfliction strategica, il monitoraggio della conformità, la separazione tattica e l'intelligenza artificiale attentamente definita per gestire il traffico intenso di droni.
Scopri come le interfacce cervello-computer ripristinano la comunicazione e il controllo, cosa può realmente fare la ricerca attuale e le questioni di sicurezza ed etica che ci attendono.
Scopri come le fabbriche implementano sistemi autonomi in ambito di robotica, robot mobili autonomi (AMR), intelligenza artificiale, digital threading, sicurezza e cybersecurity, attraverso un esempio ipotetico di impianto chiaramente illustrato.
Confronta i principali corsi di laurea in BCI, neuroingegneria e neurotecnologia, dalla laurea triennale al dottorato, e scopri cosa studiare prima di presentare la domanda.
