OpenAI scioglie la divisione robotica: focus sui modelli IA generalisti per il controllo fisico
L'azienda integra gli esperti nei team di Mark Chen e Greg Brockman dopo che GPT-6 Astra ha superato i modelli specializzati nei test di manipolazione
L’azienda statunitense OpenAI ha sciolto la propria unità dedicata alla robotica, una decisione motivata da un radicale cambio di strategia nello sviluppo di sistemi automatizzati. Secondo quanto comunicato da un portavoce della società, l'obiettivo finale rimane la creazione di robot per scopi generali, ma l'impresa non ritiene più necessaria la progettazione di modelli di intelligenza artificiale limitati a compiti specifici nel campo della robotica. I vertici dell'azienda hanno constatato che i modelli IA universali sono già in grado di svolgere efficacemente queste funzioni.
Il cambiamento di rotta è stato accelerato dai risultati ottenuti con GPT-6 Astra, l'ultimo modello di linguaggio universale sviluppato da OpenAI, che ha mostrato capacità inaspettate nel risolvere compiti legati alla gestione di hardware fisico. All'inizio del 2026, i ricercatori avevano ipotizzato che l'evoluzione della robotica si sarebbe basata sui progressi di Sora, il generatore di video capace di simulare leggi fisiche. Tuttavia, i test interni hanno dimostrato che i modelli avanzati generalisti possono essere applicati direttamente ai sistemi robotici, rendendo superfluo il mantenimento di un dipartimento separato.
Il personale specializzato della divisione è stato riposizionato all'interno di gruppi di lavoro focalizzati su modelli più versatili. Il nucleo di ricerca sulla robotica è confluito nell'unità principale guidata dal direttore della ricerca Mark Chen. Parallelamente, gli esperti di robotica applicata e di hardware sono stati trasferiti alla divisione per lo sviluppo applicativo, coordinata da Greg Brockman, presidente di OpenAI.
Questa ristrutturazione solleva interrogativi sulla tenuta delle startup che hanno puntato su modelli specializzati dotati di cosiddetta intelligenza spaziale. Russ Tedrake, co-fondatore e amministratore delegato di Walden Robotics, ha evidenziato che le aziende di robotica pura mantengono un vantaggio competitivo: l'esperienza pratica raccolta in contesti reali, come le linee di produzione delle fabbriche. Secondo Tedrake, la disponibilità di modelli di base più potenti aumenta il valore dei dati specifici ottenuti sul campo, poiché permette alle macchine di apprendere i compiti in tempi molto più brevi.
L'efficacia dei sistemi universali è supportata anche da dati esterni. In uno studio condotto da Nvidia, un agente basato su GPT-6 Astra ha completato con successo il 74,8% dei compiti di manipolazione di oggetti assegnati in ambiente virtuale. Al contrario, il miglior risultato ottenuto dai modelli robotici specializzati nello stesso test si è fermato al 51%. Nonostante il divario, i ricercatori sottolineano che i test sono avvenuti in simulazione e i risultati non sono ancora direttamente trasferibili a dispositivi che operano nel mondo reale.
Permangono inoltre limiti tecnici legati all'utilizzo di modelli IA di grandi dimensioni. Guanya Shi, docente presso l'Istituto di robotica della Carnegie Mellon University, ha spiegato che l'elaborazione dei dati tramite servizi cloud richiede una connessione costante e introduce ritardi temporali. Per questo motivo, i modelli specializzati compatti restano necessari per l'esecuzione di calcoli direttamente sul computer di bordo del robot. Al momento, come osservato da Pete Florence di Generalist, non è ancora possibile determinare quale approccio prevarrà nel lungo periodo.
Articolo realizzato con il supporto di strumenti di intelligenza artificiale e verificato dalla redazione. Come lavoriamo
Pubblicato il 16 novembre 2026, 10:42 a cura di Anna Sulac per Infogioco.it.
Newsletter gratuita
Ogni venerdì le notizie della settimana nella tua casella
Le principali, le più lette e il punto sul gioco pubblico. Ti disiscrivi quando vuoi.


























