Robot umanoidi: cosa sanno fare davvero e a che punto siamo nel 2026

Un robot che piega asciugamani in una casa mai vista, uno che smista componenti in una fabbrica BMW, uno che cammina tra gli operai in un magazzino senza gabbie di protezione. Nel 2026 i video di robot umanoidi sono ovunque, e molti mostrano cose che fino a pochi anni fa non si vedevano fuori da un laboratorio.

La domanda utile però non è se i video siano impressionanti. È quanto di quello che mostrano succede ogni giorno, per ore, senza che qualcuno intervenga. Questo articolo prova a rispondere con i fatti documentati a fine settembre 2026, separando quello che le aziende fanno da quello che dicono di voler fare.

Cos'è un robot umanoide

Un robot umanoide è un robot con una struttura simile a quella del corpo umano: due gambe, un torso, due braccia, mani o pinze, e una testa che di solito contiene telecamere e sensori. La parola descrive la forma, cioè quello che in inglese si chiama form factor.

Non dice niente sull'intelligenza. Un umanoide non ha capacità umane per il solo fatto di somigliarci, non ha coscienza e non sa fare automaticamente qualunque lavoro. Può avere un corpo molto versatile e un software che sa fare bene una sola cosa, come spostare contenitori da uno scaffale a un nastro. Tenere separate queste due dimensioni, il corpo e la mente, è il primo passo per leggere le notizie del settore senza farsi confondere.

Perché costruire robot a forma umana

La ragione principale è pratica. Fabbriche, magazzini, uffici e case sono stati progettati per persone: scale, porte, corridoi, altezze degli scaffali, maniglie, carrelli, strumenti, postazioni di lavoro. Un robot che ha più o meno le proporzioni di un essere umano può, in teoria, muoversi e lavorare in questi spazi senza che vengano ridisegnati.

È un argomento forte, ma non vale sempre. Per molti compiti un umanoide è la soluzione sbagliata. Un braccio robotico fisso salda meglio, un robot mobile su ruote sposta pallet più velocemente, un sistema automatico dedicato smista pacchi con costi e guasti molto più bassi. La forma umana ha senso dove l'ambiente cambia spesso, dove servono sia il movimento sia le mani, o dove adattare l'impianto costerebbe troppo. Negli altri casi è una complicazione.

Perché stanno migliorando proprio adesso

I robot umanoidi esistono da decenni. Quello che è cambiato negli ultimi anni è soprattutto il software. Le stesse tecniche che hanno prodotto i grandi modelli di linguaggio vengono applicate al controllo del corpo: modelli addestrati su enormi quantità di dati che imparano a collegare quello che vedono a quello che devono fare.

Il settore la chiama physical AI, intelligenza artificiale fisica. Un modello come ChatGPT lavora su testi e immagini e produce altro testo. Un sistema di physical AI deve fare un giro completo nel mondo reale:

1. percepire l'ambiente con telecamere e sensori;
2. capire cosa sta succedendo;
3. scegliere un'azione;
4. muovere il corpo;
5. verificare il risultato;
6. correggersi se qualcosa è andato storto.

La differenza più importante è nelle conseguenze degli errori. Un errore di un assistente AI produce una frase sbagliata, che puoi ignorare. Un errore di un robot che pesa decine di chili produce un movimento sbagliato, vicino a oggetti e persone. Per questo la physical AI porta con sé temi che il software tradizionale conosce poco: tempi di reazione, sicurezza, collaudo, affidabilità su migliaia di ripetizioni. È un passo oltre gli agenti AI che lavorano nei programmi: qui l'azione avviene nello spazio fisico, come accade in forma più leggera con gli smart glasses.

A questo si aggiungono hardware migliore (motori elettrici più precisi, batterie più dense, mani con sensori tattili) e piattaforme di sviluppo come quelle di NVIDIA, che offre modelli di base e strumenti di simulazione pensati per i robot umanoidi.

Come imparano: dalla teleoperazione ai modelli VLA

Non esiste un metodo unico, e le aziende combinano tecniche diverse:

• Teleoperazione: una persona guida il robot a distanza, con visori e controller. Serve a fargli svolgere un compito e, insieme, a raccogliere dati.
• Apprendimento per imitazione: il robot osserva molte dimostrazioni, umane o teleoperate, e impara a riprodurle.
• Apprendimento per rinforzo: il robot prova, sbaglia, riceve un segnale su cosa ha funzionato e migliora. Spesso avviene in simulazione, dove si possono fare milioni di tentativi senza rompere niente.
• Video di persone: filmati di esseri umani che svolgono attività quotidiane, usati per insegnare al modello come si muove un corpo e come si maneggiano gli oggetti.

Molti sistemi recenti sono modelli VLA, da Vision-Language-Action. Vision: il modello vede la scena. Language: capisce un'istruzione, come "metti i giocattoli nella cesta". Action: trasforma tutto in comandi per motori e articolazioni. Figure descrive così il suo sistema Helix, e NVIDIA descrive il suo GR00T come un modello VLA aperto per umanoidi. Non tutti i produttori usano la stessa architettura: 1X, per esempio, lavora anche su modelli che prevedono come cambierà la scena prima di agire.

Quanto sono davvero autonomi

"Robot autonomo" è l'espressione più ambigua del settore. Può voler dire cose molto diverse, e la differenza pesa più di qualsiasi scheda tecnica.

Quasi tutte le aziende usano l'espressione "general purpose" per descrivere i propri robot: Figure per Figure 03, Agility per Digit, Tesla per Optimus. Va letta per quello che è: l'obiettivo progettuale di un corpo e di un software pensati per molti compiti. Non la prova che quel robot sappia già fare qualsiasi lavoro.

Atlas, Digit e Figure: il lavoro industriale è già iniziato

Le fabbriche e i magazzini sono l'ambiente più realistico per i robot umanoidi di oggi. I compiti si ripetono, gli spazi sono relativamente ordinati, c'è personale tecnico che fa manutenzione e il ritorno economico si misura in modo chiaro.

Agility Robotics, Digit. È il caso con più esperienza commerciale alle spalle. Agility dichiara oltre 65.000 ore di lavoro accumulate da Digit 4 presso clienti industriali; sono dati dell'azienda, non una verifica indipendente. Sempre secondo Agility, nel magazzino GXO vicino ad Atlanta Digit 4 ha movimentato oltre 100.000 contenitori con una precisione di circa il 98% durante il lavoro: un dato che riguarda quell'impiego specifico, non l'affidabilità del robot in generale. Il 15 settembre 2026 ha presentato Digit 5, pensato per lavorare vicino alle persone senza le barriere fisiche che di solito separano i robot industriali dagli operai. L'azienda riporta oltre 300 milioni di dollari di ordini pluriennali, legati al raggiungimento di obiettivi contrattuali, e prevede un accesso anticipato nella prima metà del 2027, con l'arrivo anche in Europa. Digit mostra bene perché si usa la forma umana: sposta contenitori tra scaffali, nastri e carrelli pensati per l'altezza di una persona.

Boston Dynamics, Atlas. Il nuovo Atlas elettrico è stato presentato in versione di produzione al CES di gennaio 2026. Boston Dynamics ha dichiarato di avviare subito la produzione e che tutte le unità del 2026 sono già destinate a Hyundai, che controlla l'azienda, e a Google DeepMind. Il 21 settembre ha aperto il Robotics Metaplant Application Center dentro l'impianto Hyundai in Georgia: lì gli Atlas vengono addestrati in un ambiente di produzione reale a preparare e mettere in sequenza componenti auto prima dell'assemblaggio. L'assemblaggio vero e proprio è previsto entro il 2030. Hyundai ha annunciato di voler impiegare 25.000 Atlas nei propri stabilimenti nei prossimi anni: è un piano, non una flotta esistente.

Figure, Figure 03 in BMW. Nel 2025 il modello precedente, Figure 02, ha lavorato nel reparto lastratura dello stabilimento BMW di Spartanburg, in South Carolina: secondo BMW ha contribuito alla produzione di oltre 30.000 BMW X3 in dieci mesi, caricando pezzi di lamiera da saldare. A giugno 2026 Figure 03 è arrivato nello stesso impianto per un compito più complesso: prendere componenti da contenitori non ordinati e sistemarli nei carrelli nell'ordine richiesto dalla linea. Figure ha pubblicato la prima dimostrazione di questo flusso; BMW lo presenta come un nuovo progetto avviato nel 2026.

Vale la pena notare le parole usate. Addestramento, pilota, dimostrazione, impiego in produzione: sono fasi diverse, e le aziende sono di solito precise su quale stanno attraversando. Lo sono meno i titoli che le riprendono.

Il quadro non è solo americano. I numeri di produzione più alti, oggi, li dichiarano aziende cinesi. AgiBot ha annunciato a marzo 2026 il suo robot umanoide numero 10.000. UBTECH ha avviato alla fine del 2025 la produzione in serie e le consegne del Walker S2, destinato a stabilimenti automobilistici, fabbriche e logistica. Unitree vende i suoi umanoidi con un listino pubblico, anche online. Volumi alti però non equivalgono a lavoro in fabbrica: una parte consistente dei robot Unitree va a università, centri di ricerca ed eventi, e i dati pubblici su quanto e come lavorino i robot consegnati sono pochi. Anche qui il criterio resta quello usato per gli altri: contano le ore di lavoro documentate, non i pezzi usciti dalla linea.

Tesla Optimus: cosa è reale e cosa è ancora un obiettivo

Optimus è il robot umanoide più conosciuto dal grande pubblico, e anche quello su cui circolano più numeri difficili da verificare. Conviene partire dai documenti ufficiali. Nella relazione trimestrale depositata alla SEC per il secondo trimestre 2026, Tesla descrive Optimus come un robot umanoide "general purpose" e autonomo, di cui sta sviluppando il software sfruttando i dati raccolti nel mondo reale, mentre prepara e investe nella produzione su larga scala.

Tesla ha comunicato di aver avviato la preparazione di una linea produttiva nello stabilimento di Fremont e di progettarne una seconda in Texas, con capacità molto elevate. Qui serve una distinzione precisa: la capacità per cui una linea è progettata non è la sua produzione. E "Tesla vuole produrre" non equivale a "Tesla produce". Nel corso degli anni Elon Musk ha indicato più volte obiettivi di volume, di prezzo e di date che poi si sono spostati. Sono dichiarazioni, non fatti.

A fine settembre 2026 Optimus non è in vendita, Tesla non ha pubblicato un prezzo ufficiale e non ci sono dati pubblici e verificabili su quante unità svolgano lavoro produttivo nei suoi stabilimenti. Le cifre che si leggono online su costi futuri o numeri di robot sono stime o promesse.

La corsa al robot domestico

Una casa è un ambiente molto più difficile di una fabbrica. Ogni casa è diversa, gli oggetti cambiano posto, ci sono tessuti, cibo, cavi, bambini, animali. Un compito come "metti in ordine il soggiorno" non ha una sequenza fissa: richiede di capire cosa è fuori posto e dove va.

Figure, Helix 2.5. Il 17 settembre 2026 Figure ha pubblicato i risultati di un test in 30 case della zona di San Francisco che il robot non aveva mai visto, senza raccolta di dati né adattamento per quelle case o quegli oggetti. I compiti erano tre: riordinare il soggiorno, piegare asciugamani, rifare il letto. Figure riporta un tasso di successo del 56% su questi tre compiti, contro il 9% di un modello addestrato senza la sua nuova fase di pre-addestramento su video di persone. È un risultato importante per la generalizzazione, cioè il livello 3 della grafica. Ma va letto con precisione: i compiti erano già stati insegnati altrove, e poco meno di una prova su due non è riuscita. Nessun elettrodomestico funziona così.

1X, NEO. È il tentativo più diretto di vendere un umanoide per la casa. 1X accetta preordini con una formula Early Access da 20.000 dollari, con consegna prioritaria nel 2026, e prevede un abbonamento da 499 dollari al mese con consegne successive. Le prime consegne sono previste negli Stati Uniti nel 2026, gli altri mercati dal 2027. 1X dichiara che NEO svolge in autonomia compiti semplici, come aprire una porta o portare un oggetto; per le faccende che non conosce ancora, il proprietario può programmare una sessione in cui un operatore dell'azienda lo guida da remoto. È una scelta trasparente, e dice molto sullo stato della tecnologia: chi compra oggi un robot domestico compra anche un pezzo di supervisione umana.

Perché le mani sono così difficili

Camminare è la parte più spettacolare nei video, ma per il lavoro vero contano spesso di più le mani. La manipolazione è uno dei problemi più difficili della robotica, per ragioni molto concrete:

• ogni presa richiede la forza giusta: troppa rompe un oggetto fragile, troppo poca lo fa cadere;
• gli oggetti deformabili, come un asciugamano, un sacchetto o un cavo, cambiano forma mentre li tocchi;
• i movimenti fini, come prendere una vite o inserire un connettore, richiedono precisione di millimetri;
• molti gesti quotidiani, come aprire una busta, chiedono due mani coordinate;
• senza tatto il robot non sa se l'oggetto sta scivolando finché non lo vede cadere.

Per questo le novità hardware più interessanti del 2026 riguardano le mani: sensori tattili sulle dita, telecamere nel palmo, più gradi di libertà. Figure 03, per esempio, ha dita con sensori tattili e telecamere nel palmo. Piegare bene un asciugamano, per un robot, resta una prova seria.

Demo spettacolari e lavoro vero non sono la stessa cosa

Un video dimostra che una cosa è successa. Non dimostra che succeda ogni giorno, su larga scala, senza intervento. Non c'è bisogno di pensare male delle aziende per fare qualche domanda davanti a una demo:

• il video è accelerato o montato da più riprese?
• quanti tentativi non sono andati a buon fine?
• il robot era autonomo o guidato da una persona?
• l'ambiente era stato preparato, gli oggetti erano sempre gli stessi?
• quanto a lungo lavora senza che qualcuno intervenga?
• regge un turno di otto ore, e quanto spesso si guasta?
• quanto costa tenerlo in funzione?

Le aziende più serie rispondono ad alcune di queste domande da sole: Figure ha pubblicato un tasso di successo, Agility le ore di lavoro, 1X il ruolo degli operatori remoti. Quando un video non dice niente di tutto questo, vale la pena trattarlo come una dimostrazione, non come un prodotto.

Lo stesso vale per la locomozione. Un robot che fa capriole è impressionante, ma un robot commerciale deve soprattutto non cadere, rialzarsi se succede, lavorare per ore, ricaricarsi, essere riparabile e costare meno del lavoro che fa. Atlas e Digit sono interessanti proprio perché vengono misurati su questi criteri, dentro impianti veri.

Sicurezza: un robot accanto a una persona

Un robot che pesa decine di chili, in alcuni casi più di cento, e si muove tra le persone deve poter rilevare chi ha intorno, limitare forza e velocità, fermarsi in tempo e reagire all'imprevisto. È la condizione per passare dai progetti pilota agli impieghi su scala.

Digit 5 è l'esempio più recente di come il settore affronta il problema. Agility dichiara che il robot controlla continuamente la presenza di persone con più sensori e algoritmi dedicati, e reagisce evitandole, fermandosi o sedendosi. Segnali visivi e sonori comunicano dove sta per muoversi, e un controllore di sicurezza indipendente interviene se qualcuno si avvicina troppo. Agility è anche il primo partner di lancio di NVIDIA Halos for Robotics, una piattaforma pensata per la sicurezza della physical AI.

Sono sistemi progettati e dichiarati dai produttori. Il marchio CE, che Agility prevede di ottenere per vendere Digit 5 in Europa, attesterà la conformità ai requisiti europei. Nessuno di questi elementi permette di dire che i robot umanoidi siano "sicuri" in generale: permette di dire che la sicurezza sta diventando un requisito di progetto, non un ripensamento.

Quanto costano

I prezzi pubblici sono pochi. 1X indica 20.000 dollari per NEO in Early Access, o 499 dollari al mese in abbonamento. Per i robot industriali i prezzi di solito non sono pubblicati e dipendono dal contratto; Agility ha indicato valori illustrativi, circa 200.000 dollari in acquisto o circa 8.500 dollari al mese con un modello a noleggio che include software e manutenzione. Fa eccezione Unitree, che nel suo negozio online indica il G1 a 13.500 dollari, l'R1 da 4.900 e l'H2 a 29.900: prezzi di base, a cui si aggiungono spedizione, dazi e tasse, mentre le versioni per lo sviluppo software sono vendute a parte. Per Atlas, Figure 03 e Optimus non esiste un listino. Le cifre che circolano sono stime o obiettivi aziendali.

Possono sostituire i lavoratori?

Le applicazioni reali del 2026 riguardano compiti precisi: spostare contenitori, preparare componenti per una linea, caricare e scaricare, attività ripetitive o fisicamente pesanti, spesso in settori dove è difficile trovare personale. BMW, per esempio, presenta i suoi progetti come un modo per alleggerire compiti faticosi. Sono numeri piccoli rispetto alla forza lavoro industriale, e non esistono dati che permettano previsioni serie sull'occupazione. Chi vuole allargare lo sguardo trova un'analisi dedicata a come l'intelligenza artificiale sta cambiando il lavoro.

Quanto siamo lontani dal robot generalista

Il robot dei film entra in casa, capisce cosa serve e lo fa: lava i piatti, stende i panni, prepara la cena, sistema la camera dei bambini. Nel 2026 niente di simile esiste in forma affidabile ed economica.

Esistono però i primi pezzi: robot che lavorano per mesi in fabbrica su compiti definiti, prove di generalizzazione in case reali, i primi programmi commerciali per la casa con supporto umano da remoto. La distanza dal generalista non è una questione di anni che si possa stimare con onestà. Dipende da problemi ancora aperti: mani affidabili, sicurezza certificata, costi di produzione, e soprattutto la capacità di funzionare nel 99 per cento dei casi e non nel 56.

Conclusione

I robot umanoidi nel 2026 stanno uscendo dai laboratori. Lo fanno prima nelle fabbriche e nei magazzini, dove i compiti sono definiti e il valore si misura, e solo in via sperimentale nelle case. Il salto viene soprattutto dall'intelligenza artificiale applicata al corpo, e il limite resta l'affidabilità fuori dagli ambienti controllati.

Nel 2026 un robot non si misura più da quello che riesce a mostrare in un video, ma da quello che riesce a ripetere ogni giorno senza assistenza.

Continua la lettura

TecnologiaMondo AI

Smart glasses: cosa sono, come funzionano e cosa possono fare nel 2026

Mondo AI

Agenti AI per aziende: cosa sono, cosa possono fare davvero e quando usarli

Tecnologia

Neuralink: cos'è, come funziona e a che punto è nel 2026