Il robot corre più veloce di Bolt. Poi incontra una pinzetta

Tiangong Ultra taglia il traguardo dei cento metri in 8,64 secondi. Il cronometro si ferma quasi un secondo prima del 9,58 con cui Usain Bolt stabilì il record umano nel 2009. Il pubblico applaude, i telefoni riprendono, il confronto è già pronto per i titoli: una macchina ha battuto l'uomo più veloce della storia.

Poi la macchina deve fermarsi.

Nella finale dei World Humanoid Robot Games di Pechino diversi concorrenti finiscono contro le protezioni oltre il traguardo. Da alcuni partono scintille. Gli addetti arrivano con gli estintori; quasi tutti i robot vengono portati via su barelle che, su un campo popolato da corpi metallici con due braccia e due gambe, assumono un'aria involontariamente teatrale. Il risultato resta impressionante. La frenata racconta però qualcosa che il tempo da solo non dice: la velocità sul rettilineo copre soltanto una parte del problema.

Restano da dosare l'energia per arrivare interi, capire che la gara è finita, adattarsi a uno spazio che cambia e recuperare quando il gesto perfetto non riesce. Restano soprattutto le azioni che, qualche settore più in là, altri robot tentavano con una lentezza quasi esasperante: inserire un cavo in una presa, depositare un rifiuto in un cestino, costruire con piccoli blocchi, raccogliere un fagiolo usando una pinzetta.

È qui che i Giochi diventano più interessanti di una raccolta di record e cadute. Una macchina può attraversare una pista più in fretta di Bolt e incontrare enormi difficoltà davanti a un compito che un essere umano esegue senza considerarlo una prova d'intelligenza. Il paradosso ha quasi quarant'anni, porta il nome del roboticista Hans Moravec e non è mai stato così facile da vedere.

L'Olimpiade in cui una stanza vale più dello stadio

La seconda edizione dei World Humanoid Robot Games si è svolta dal 22 al 26 agosto 2026 nel National Speed Skating Oval di Pechino, l'«Ice Ribbon» costruito per le Olimpiadi invernali del 2022. I numeri ufficiali descrivono un salto di scala: 666 squadre da 16 paesi, 2.056 robot registrati, 51 eventi e 1.301 sessioni di gara. Nel 2025 le squadre erano 280.

Lo spettacolo era costruito per circolare. Robot impegnati nel calcio, nella boxe, nel salto, nella danza, nel sollevamento pesi e nelle corse producono immagini immediatamente comprensibili. Hanno un corpo simile al nostro, ripetono gesti che riconosciamo e cadono in un modo che ci invita ad attribuire loro distrazione, paura o goffaggine. L'antropomorfismo fa metà del lavoro promozionale.

Ma il programma non era soltanto un'Olimpiade imitata. Accanto alle gare c'erano prove organizzate attorno a scenari domestici, alberghieri, industriali, ospedalieri, commerciali e di emergenza. È una distinzione decisiva. Nello stadio si misura quanto una macchina riesca a spingere una capacità in condizioni definite; in una stanza finta si cerca di capire se quella capacità possa diventare lavoro.

Un robot che corre veloce dimostra progressi nei motori, negli attuatori, nel bilanciamento dinamico, nella progettazione meccanica e negli algoritmi di controllo. Un robot che raccoglie un oggetto fuori posto deve tenere insieme molte più cose: vedere l'oggetto, separarlo dallo sfondo, stimarne la posizione, avvicinare la mano, scegliere una presa, applicare una forza sufficiente ma non eccessiva, accorgersi di uno scivolamento e correggerlo senza ricominciare da capo.

Per noi la seconda lista sembra più modesta della prima. Per la robotica è spesso il contrario.

È per questo che una prova con una pinzetta può dire più di una corsa. Non perché correre sia facile, e nemmeno perché un robot che cade meriti scherno. La pinzetta costringe invece a vedere il tipo di intelligenza che abitualmente ignoriamo: quella accumulata nelle dita, negli occhi, nell'equilibrio e nelle correzioni che eseguiamo prima ancora di renderci conto che qualcosa stava andando storto.

Il paradosso di Moravec non è una battuta sui robot

Nel 1988 Hans Moravec pubblicò Mind Children. Il libro appartiene a una stagione in cui l'intelligenza artificiale aveva già alternato grandi promesse e bruschi ridimensionamenti. I computer sapevano dimostrare teoremi, giocare, risolvere problemi formalizzati. Eppure le macchine faticavano terribilmente a vedere, muoversi e orientarsi con la naturalezza di un bambino.

Moravec formulò il contrasto in modo provocatorio: era relativamente facile ottenere prestazioni paragonabili a quelle di un adulto nei test d'intelligenza o nel gioco della dama, ma difficile o impossibile dare a una macchina le capacità percettive e motorie di un bambino di un anno.

Da qui nasce quello che oggi chiamiamo paradosso di Moravec. Le attività che consideriamo nobili, coscienti e difficili, come calcolare, ragionare su simboli o giocare a scacchi, possono essere rese trattabili quando il problema ha regole chiare e uno stato rappresentabile. Le attività che liquidiamo come elementari, per esempio riconoscere una tazza da un'angolazione nuova, attraversare una stanza ingombra o prendere un oggetto fragile, nascondono una quantità enorme di elaborazione.

Il paradosso non sostiene che il pensiero astratto sia facile. Va letto come una differenza di prospettiva, non come una legge che assegna un grado definitivo a ogni compito o garantisce che una pinzetta resterà per sempre imbattibile. Il suo punto è più sottile: la difficoltà che percepiamo non coincide con il costo necessario per riprodurre una capacità in una macchina.

Noi giudichiamo difficile ciò che richiede attenzione cosciente. Un'equazione ci obbliga a fermarci; afferrare una tazzina no. Ma il fatto che una competenza sia trasparente alla coscienza non la rende semplice. Può significare che l'evoluzione e l'apprendimento l'hanno incorporata così profondamente da nascondercene il funzionamento.

Per milioni di anni, sopravvivere ha richiesto agli organismi di distinguere superfici, valutare distanze, coordinare muscoli, prevedere traiettorie, dosare forze e reagire a eventi imprevisti. La scrittura, la matematica formale e gli scacchi sono arrivi molto più recenti. Non abbiamo un organo evoluto per giocare la difesa siciliana; abbiamo un sistema percettivo e motorio costruito attorno al problema di non cadere, non rompere ciò che tocchiamo e non perdere la presa.

Quando un bambino raccoglie un fagiolo, non esegue un gesto povero d'intelligenza. Esegue un calcolo immenso che non sa raccontare.

Perché una pista può essere più semplice di un cavo

Dire che correre può essere più semplice di inserire un cavo sembra assurdo perché guardiamo il gesto e non il problema.

Una pista è un ambiente fortemente strutturato. Ha una superficie regolare, una direzione nota, confini visibili e un obiettivo riducibile con chiarezza: avanzare il più velocemente possibile senza cadere. Non mancano gli imprevisti, ma il numero delle variabili rilevanti può essere contenuto. Gli ingegneri possono costruire modelli, ripetere migliaia di tentativi in simulazione e lasciare che un algoritmo esplori andature che nessun allenatore umano avrebbe disegnato.

Il risultato può sembrare strano. Alcuni robot corrono con posture che non ricordano quelle di un atleta, perché il loro corpo non è il nostro e l'ottimizzazione non ha motivo di rispettare la nostra eleganza. Se una configurazione riduce il rischio di caduta o impedisce il surriscaldamento di un componente, il sistema può adottarla senza provare imbarazzo. La simulazione è particolarmente efficace quando la dinamica essenziale è modellabile e il compito si ripete.

Questo non toglie merito agli 8,64 secondi di Tiangong Ultra. Far correre un bipede a quella velocità richiede attuatori potenti, controllo rapido, una struttura capace di reggere gli urti e un equilibrio che si rinnova a ogni passo. Nel 2025 il miglior tempo della prima edizione dei Giochi era 21,50 secondi. Il miglioramento in un anno mostra una filiera che sta imparando in fretta.

Il paragone con Bolt, però, va tenuto nella sua giusta cornice. Un robot e un atleta non competono nella stessa categoria. Non condividono anatomia, alimentazione, vincoli fisiologici, regolamento, partenza o criteri di omologazione. Il tempo è un'immagine efficace della velocità raggiunta dalla macchina, non un nuovo record dell'atletica. Dire che il robot è stato più veloce sul cronometro è corretto; dire che ha sconfitto sportivamente Bolt confonde la metafora con la misura.

E la barriera dopo il traguardo ricorda che una prestazione ottimizzata può essere stretta. Il sistema ha risolto molto bene il problema «arriva lì in fretta». Il mondo reale aggiunge subito la frase successiva: «e poi fermati senza bruciarti, senza travolgere nessuno e restando disponibile per il compito seguente».

La competenza utile vive spesso in quella frase successiva.

La pinzetta contiene più fisica di quanto sembri

Prendere un fagiolo con una pinzetta comincia prima del contatto. Il robot deve localizzare due oggetti piccoli, comprendere il loro orientamento reciproco e portare l'estremità dello strumento nel punto giusto. Una differenza minima nella stima della profondità può spostare la presa. La mano e la pinzetta possono coprire il fagiolo proprio quando sarebbe più importante vederlo. L'illuminazione cambia l'immagine; il bordo dell'oggetto può confondersi con il piano.

Poi arriva il contatto, e la realtà smette di essere un'immagine.

L'attrito non è perfettamente noto. Le superfici cedono, vibrano e scivolano. Una pinza applicata con poca forza perde l'oggetto; con troppa forza può spingerlo via, danneggiarlo o deformare lo strumento. Il fagiolo non è identico a quello usato nel tentativo precedente. Anche quando la traiettoria geometrica è corretta, un granello, una piccola rotazione o una tolleranza meccanica possono produrre un esito diverso.

L'essere umano gestisce questo caos con una rete di sensazioni e correzioni. Non guarda soltanto. Percepisce la pressione, la distribuzione della forza, la vibrazione e il primo segno di uno scivolamento. Cambia presa mentre il gesto è in corso. Se manca l'oggetto di pochi millimetri, non dichiara fallito l'intero piano: aggiusta il polso.

Il valore di questa capacità si nota proprio perché non è spettacolare. In casa, in ospedale o in un magazzino, il compito perfetto è raro. Gli oggetti non sono sempre nella stessa posizione; le confezioni si deformano; un cavo si piega; una maniglia oppone più resistenza del previsto; una persona attraversa il percorso. L'intelligenza fisica non consiste soltanto nell'eseguire un piano, ma nel capire continuamente se quel piano sta ancora funzionando.

Stefanie Tellex, roboticista della Brown University, ha indicato nelle prove di Pechino un esempio diretto del paradosso di Moravec. Un salto mortale può apparire più impressionante di un cavo inserito in una presa, ma il secondo gesto obbliga la macchina a fare i conti con attrito, scivolamento, tatto e adattamento su scala minuscola.

Attribuire al cavo «più intelligenza» in ogni senso possibile sarebbe sbagliato. Quel gesto richiede una capacità diversa, distribuita fra percezione, corpo e ambiente, proprio quella che i sistemi digitali ci hanno abituato a sottovalutare.

Autonomo, teleoperato, automatizzato: tre parole che non sono sinonimi

Un video di un robot che compie un gesto non basta a stabilire chi abbia preso le decisioni.

Può essere completamente autonomo: riceve il comando iniziale, percepisce la situazione, pianifica ed esegue senza intervento. Può essere teleoperato: una persona controlla a distanza movimenti o obiettivi. Può trovarsi in una zona intermedia, con un operatore che impartisce comandi e un sistema automatico che mantiene l'equilibrio, evita collisioni o completa parti del gesto.

Queste modalità dimostrano risultati differenti. Una mano robotica che usa una pinzetta sotto guida umana mostra che meccanica, sensori e controllo a basso livello possono sostenere quel gesto. Lascia invece aperta la questione se la macchina sappia riconoscere da sola il compito, scegliere una strategia e recuperare un errore. Un robot autonomo, al contrario, può avere una buona capacità decisionale ma un corpo troppo impreciso per trasformarla in azione.

Le regole pubblicate per i Giochi 2026 tenevano conto di questa differenza. Nei cento metri era ammessa soltanto la modalità completamente autonoma. Per alcune corse più lunghe, come 400 e 1.500 metri, era previsto anche il controllo remoto, ma il tempo veniva moltiplicato per un coefficiente penalizzante. La presentazione istituzionale delle regole richiedeva inoltre autonomia negli scenari e nelle altre prove competitive, con eccezioni per le gare di corsa indicate.

La copertura di WIRED ha però segnalato operatori visibili in immagini e video relativi a varie attività. È un motivo in più per non trasferire l'etichetta «autonomo» da una gara all'intero evento. Fra regolamento, categoria, dimostrazione ed esecuzione concreta può esserci distanza. Ogni prestazione va letta per ciò che misura davvero.

La teleoperazione ha anche una funzione industriale poco visibile: raccogliere dati. Una persona guida il robot; il sistema registra immagini, posizioni, forze, traiettorie ed esiti. Quelle dimostrazioni possono diventare esempi da cui apprendere. Lo Stanford Emerging Technology Review osserva che qualità e quantità dei dati ottenuti anche attraverso la teleoperazione saranno determinanti per portare i robot verso maggiore precisione, destrezza e autonomia.

Il problema è che i dati fisici costano. Un modello linguistico può essere addestrato su enormi raccolte di testo già esistenti. Un robot deve produrre esperienza attraverso corpi reali o simulati. Qualcuno deve predisporre l'ambiente, eseguire il compito, registrare i sensori, controllare la qualità e, quando la macchina sbaglia, rimettere a posto ciò che ha fatto cadere. Il mondo non si può copiare e incollare con la stessa facilità di una pagina web.

Prima della pinzetta c'erano una stanza ordinata e un robot che tremava

Per capire perché la pinzetta è più difficile della pista, bisogna tornare indietro di sessant'anni, quando la storia della robotica intelligente prendeva forma in ambienti molto più semplici di una casa.

Fra il 1966 e il 1972, lo Stanford Research Institute sviluppò Shakey. Era un alto carrello su ruote, dotato di telecamera, sensori e un collegamento a computer esterni. SRI lo presenta come il primo robot mobile capace di percepire e ragionare sul proprio ambiente. Poteva pianificare percorsi, raggiungere luoghi e spostare oggetti elementari.

Shakey era rivoluzionario proprio perché collegava parti che prima vivevano separate: percezione, rappresentazione, pianificazione e azione. Ma il suo mondo era predisposto per essere leggibile. Pareti, blocchi, rampe e stanze avevano forme nette. La lentezza non era un difetto accidentale: ogni passaggio richiedeva calcolo, interpretazione e comunicazione con macchine che oggi sarebbero surclassate da un telefono.

Il progetto lasciò strumenti fondamentali per la pianificazione automatica. Lasciò anche una domanda che la robotica non ha mai smesso di inseguire: quanto dell'intelligenza appartiene al programma e quanto emerge dal rapporto fra il corpo e un ambiente?

Negli stessi decenni, molta intelligenza artificiale otteneva risultati migliori allontanandosi dalla materia. Se il mondo poteva essere trasformato in simboli chiari, il computer non doveva più preoccuparsi di attrito, luce, rumore o gravità. Una scacchiera è complessa, ma è pulita: caselle finite, pezzi definiti, mosse legali, informazione completa.

Nel maggio 1997 Deep Blue sconfisse Garry Kasparov in un match a cadenza da torneo. IBM ricorda che il sistema poteva valutare 200 milioni di posizioni al secondo. La vittoria fu un passaggio storico e mostrò la potenza del calcolo parallelo, della ricerca e delle funzioni di valutazione. Mostrò anche quanto un benchmark ben definito possa concentrare investimenti e progresso.

Nello stesso 1997 venne istituita RoboCup. L'obiettivo dichiarato è ancora più teatrale dei Robot Games: entro la metà del XXI secolo, una squadra di calciatori umanoidi completamente autonomi dovrebbe battere, rispettando le regole FIFA, la nazionale umana vincitrice dell'ultimo Mondiale.

La pagina ufficiale di RoboCup spiega perché il calcio succede agli scacchi come sfida. Negli scacchi l'ambiente è statico, il gioco procede a turni, l'informazione è completa e la lettura dello stato è simbolica. Nel calcio l'ambiente è dinamico, tutto avviene in tempo reale, l'informazione è incompleta e i sensori devono trasformare il mondo in una situazione comprensibile. Non basta scegliere la mossa; bisogna avere un corpo capace di arrivarci.

Rodney Brooks e gli elefanti che non giocano a scacchi

Due anni dopo la formulazione più nota di Moravec, Rodney Brooks pubblicò un articolo dal titolo volutamente irritante: Elephants Don't Play Chess.

Brooks contestava l'idea che per costruire un agente intelligente fosse necessario partire da una rappresentazione simbolica completa del mondo, elaborare un piano centrale e soltanto dopo ordinare al corpo di eseguirlo. Un animale non aspetta di possedere un modello perfetto della foresta prima di muoversi. Percezione e azione formano un circuito continuo. Il comportamento può emergere da strati relativamente semplici che reagiscono alla situazione, si coordinano e correggono.

L'elefante del titolo non gioca a scacchi, ma attraversa terreni irregolari, usa la proboscide, riconosce altri individui, protegge i piccoli e adatta il proprio comportamento a condizioni che nessun programmatore ha elencato una per una. Valutare la sua intelligenza con una scacchiera significherebbe scegliere il problema in modo da non vedere quasi tutto ciò che sa fare.

I robot umanoidi contemporanei uniscono approcci che ai tempi di Brooks erano separati o ancora immaturi. Usano controllo reattivo, modelli fisici, apprendimento per rinforzo, visione artificiale e reti addestrate su dimostrazioni. Ma il suo avvertimento resta attuale: un sistema non diventa intelligente nel mondo soltanto perché sa rappresentarlo. Deve essere situato, ricevere conseguenze e trasformare l'errore in una correzione.

Una pinzetta è un buon esame proprio perché impedisce al software di fingere che il corpo sia un dettaglio. La previsione può essere corretta e la presa fallire. Il piano può essere elegante e il fagiolo scivolare.

Le competizioni servono quando permettono di fallire in pubblico

Chiamare «giochi» eventi di questo tipo può farli sembrare accessori. La storia della tecnologia racconta il contrario.

Nel marzo 2004 la DARPA organizzò una gara per veicoli autonomi su un percorso di 142 miglia nel deserto fra California e Nevada. Nessuno arrivò al traguardo. Il veicolo migliore percorse appena 7,5 miglia. Se il solo criterio fosse stato lo spettacolo di una tecnologia pronta, l'evento sarebbe stato un fallimento.

Diciotto mesi dopo, nel 2005, cinque veicoli completarono un nuovo percorso di 132 miglia. La squadra di Stanford vinse in 6 ore e 53 minuti. Quella trasformazione non avvenne perché una singola intuizione risolse all'improvviso la guida autonoma. La gara aveva creato un obiettivo comune, scadenze, confronti e una comunità in cui errori differenti potevano diventare conoscenza condivisa.

Un benchmark pubblico fa almeno tre cose. Riduce un'ambizione vaga a prove osservabili. Costringe a integrare componenti che in laboratorio funzionano separatamente. E rende il fallimento informativo: non basta dire che il robot «non è pronto», bisogna capire se ha perso la localizzazione, surriscaldato un motore, mancato una presa o interpretato male l'ambiente.

I World Humanoid Robot Games appartengono anche a una strategia industriale cinese. Pechino non offre soltanto un'arena neutrale; mette in mostra una filiera, attrae gruppi di ricerca, aziende e attenzione, trasforma il progresso tecnico in un racconto nazionale. Sarebbe ingenuo ignorarlo. Sarebbe altrettanto riduttivo trattare ogni gara come propaganda e perdere il valore dei problemi resi visibili.

Le cadute divertono perché assomigliano alle nostre. Ma, per un laboratorio, un robot che cade sempre nello stesso punto è una misura. Un motore che si surriscalda alla stessa curva è un requisito. Una mano che perde il fagiolo quando cambia l'illuminazione è un programma di ricerca.

La differenza fra fiasco e benchmark sta nella capacità di tornare l'anno successivo con un errore in meno.

L'umanoide è una forma, non una destinazione inevitabile

Perché costruire robot con due gambe, due braccia, mani e una testa? Una risposta convincente è che il mondo è già costruito per noi. Scale, porte, corridoi, scaffali, strumenti e veicoli hanno dimensioni e comandi pensati per il corpo umano. Un robot della stessa forma promette di entrare in questi ambienti senza obbligarci a ricostruirli.

Quella compatibilità ha valore. Una macchina capace di usare utensili esistenti potrebbe lavorare in luoghi progettati decenni fa, passare da un compito all'altro e operare vicino alle persone. Nelle immagini promozionali l'umanoide appare come un adattatore universale per il mondo umano.

Ma una promessa visiva può diventare un debito. Se una macchina ha mani e volto, ci aspettiamo che capisca e agisca come noi. La forma suggerisce versatilità anche quando il sistema è stato addestrato per una sequenza stretta. Ogni articolazione aggiunge costo, consumo, manutenzione e nuovi modi di guastarsi.

Lo Stanford Emerging Technology Review osserva che gli umanoidi non sono la soluzione ottimale per tutti i compiti. Movimentazione di materiali e assemblaggio ripetitivo possono essere eseguiti più efficacemente da robot specializzati. In un magazzino, ruote, nastri e bracci fissati a terra possono risultare più economici, stabili e sicuri di una macchina che imita l'intero corpo umano.

Il rapporto colloca gli impieghi più maturi nelle zone strutturate: ispezione, ordinamento, imballaggio, assemblaggio semplice. Quando il robot passa a ospitalità, servizi domestici o assistenza agli anziani, crescono insieme destrezza e requisiti di sicurezza. Qui la sicurezza smette di essere un requisito aggiunto alla fine: una macchina che lavora accanto a persone non addestrate deve sbagliare in modo sicuro, fermarsi al momento giusto e rendere leggibili le proprie intenzioni.

Il futuro della robotica non sarà quindi una marcia obbligatoria verso un esercito di copie del corpo umano. Sarà una selezione fra forme diverse. In alcuni ambienti vincerà l'umanoide perché il costo di adattare l'edificio sarebbe maggiore del costo della sua complessità. In altri, la soluzione più intelligente avrà ruote, una sola pinza o nessun volto.

Anche questa è una lezione di Moravec: l'intelligenza non può essere separata dal corpo che deve esercitarla.

Dopo il linguaggio, l'intelligenza artificiale incontra la materia

Negli ultimi anni i modelli linguistici hanno reso familiare una situazione quasi opposta a quella raccontata da Moravec. Una macchina può produrre un testo fluido, riassumere un documento, scrivere codice e sostenere una conversazione. Attività che associavamo all'istruzione adulta sono diventate interfacce accessibili in un browser.

Questo successo ha rafforzato l'idea che il passaggio successivo consista nel collegare un buon modello a un corpo. Se il sistema sa descrivere come si prepara un tavolo, perché non dovrebbe prepararlo?

Fra le due cose c'è però la materia.

Nel linguaggio un errore può essere corretto generando un'altra frase. Nel mondo fisico, una tazza lasciata troppo presto cade. Il tempo non si riavvolge; gli oggetti si rompono; le persone possono farsi male. La risposta non deve essere soltanto plausibile, ma arrivare prima che la gravità completi il proprio lavoro.

I robot hanno inoltre un problema di esperienza. Il testo umano è stato accumulato per secoli e digitalizzato su scala enorme. Le dimostrazioni fisiche devono essere raccolte con sensori e corpi specifici. Una traiettoria imparata da una mano può non trasferirsi a una mano con geometria diversa. La simulazione permette milioni di tentativi senza distruggere hardware, ed è una delle ragioni dei rapidi progressi nella locomozione. Ma il contatto fine resta difficile da simulare con fedeltà: piccole differenze di attrito, elasticità e tolleranza possono separare una presa riuscita da un oggetto sul pavimento.

Per questo la teleoperazione è insieme un limite e un ponte. Quando una persona guida un robot, non stiamo ancora osservando autonomia piena. Stiamo però producendo esempi di come un corpo meccanico può completare un gesto. Il passaggio industriale consiste nel trasformare quelle dimostrazioni in una competenza che generalizzi, riconosca situazioni nuove e sappia quando chiedere aiuto.

La metrica più utile non sarà quante volte un robot esegue bene la dimostrazione preparata. Sarà quanto a lungo lavora senza intervento, quanti oggetti nuovi gestisce, come recupera un errore e con quale costo. Un'ora autonoma in un magazzino disordinato può valere più di un salto perfetto sotto i riflettori.

La pinzetta non umilia il robot: gli assegna un compito vero

È facile usare il paradosso di Moravec per ridimensionare ogni annuncio. Il robot corre ma non sa fermarsi. Salta ma non raccoglie. Parla ma non capisce. È una reazione comprensibile al marketing, eppure rischia di diventare un'altra scorciatoia.

Gli 8,64 secondi di Pechino sono un risultato reale. Le cadute sono dati reali. Una mano capace di manovrare uno strumento minuscolo è un risultato reale anche quando l'intenzione arriva da un operatore umano. Queste capacità non si annullano a vicenda e non formano una classifica semplice dell'intelligenza.

La parte più interessante dei Robot Games è proprio la loro incoerenza apparente. Mettono nello stesso programma la velocità spettacolare e la lentezza utile, la coreografia e l'errore, l'autonomia e la presenza nascosta dell'operatore. Mostrano una tecnologia che non avanza come un unico cervello sempre più capace, ma come un insieme di corpi, sensori, modelli e infrastrutture che maturano a velocità diverse.

Il fagiolo afferrato con una pinzetta, lungi dall'essere una barzelletta a spese della macchina, è un benchmark di civiltà tecnica. Condensa il problema di portare l'intelligenza artificiale fuori dagli ambienti in cui tutto è già stato tradotto in simboli. Obbliga il sistema a incontrare un oggetto che non si trova esattamente dove dovrebbe, una superficie che scivola, una forza che va sentita e un errore che deve essere recuperato.

Moravec aveva capito che le abilità più antiche sarebbero state le più difficili da ricostruire. I Giochi di Pechino aggiungono una conseguenza contemporanea: il futuro dei robot non si deciderà soltanto nella gara che produce il video migliore, ma nella capacità di trasformare quelle abilità invisibili in lavoro affidabile.

La macchina sul rettilineo ci dice quanto velocemente sta avanzando la robotica. La pinzetta ci dice quanto mondo le manca ancora.

Bibliografia e documentazione

Fonti primarie e istituzionali

• World Humanoid Robot Games Organizing Committee, Competition Rules for the Second World Humanoid Robot Games, aprile 2026.
• Beijing Municipal Government, 2nd World Humanoid Robot Games Underway in Beijing: Robots Break Multiple Records, 25 agosto 2026.
• Beijing Municipal Government, 2nd World Humanoid Robot Games: Highlights & Ticket Info, 15 agosto 2026.
• SRI International, Shakey the Robot.
• IBM, Deep Blue.
• RoboCup Federation, Objective.
• DARPA, Grand Challenge.
• DARPA, The DARPA Grand Challenge: Ten Years Later.

Ricerca e storia delle idee

• Hans Moravec, Mind Children: The Future of Robot and Human Intelligence, Harvard University Press, 1988.
• Rodney A. Brooks, Elephants Don't Play Chess, Robotics and Autonomous Systems, 1990.
• Stanford Emerging Technology Review, Robotics, 2026.

Copertura editoriale

• Associated Press, A robot sprinter shatters a 100-meter record again as sparks fly at China's robot competition, 26 agosto 2026, versione corretta.
• Will Knight, WIRED, The Humanoids at China's Robot Games Were Faster Than Usain Bolt, but I'm More Impressed by Their Tweezer Mastery, 26 agosto 2026.