Quando si parla di sciami di robot, la logica suggerirebbe che più macchine si aggiungono, più velocemente si porta a termine un lavoro. Pulire una fuoriuscita di petrolio, assemblare componenti complessi, esplorare un’area pericolosa. Eppure, oltre una certa soglia, succede qualcosa di paradossale: i robot iniziano a intralciarsi a vicenda, si formano ingorghi e l’efficienza crolla. Un gruppo di ricercatori di Harvard SEAS ha trovato una soluzione tanto semplice quanto sorprendente. Basta aggiungere un pizzico di casualità nel movimento dei robot per sbloccare tutto e far riprendere il flusso.

Lo studio, pubblicato su Proceedings of the National Academy of Sciences nell’aprile 2026, è stato guidato dalla dottoranda Lucy Liu sotto la supervisione del professor L. Mahadevan e del ricercatore Justin Werfel. Il punto di partenza era una domanda che sembra banale ma non lo è affatto: in uno spazio limitato, quanti robot si possono schierare prima che le cose si inceppino?

Il rumore giusto: né troppo, né troppo poco

Per rispondere, il team ha creato simulazioni al computer in cui gruppi di agenti partivano da posizioni casuali e dovevano raggiungere destinazioni assegnate in continuazione. Ogni agente si muoveva verso il proprio obiettivo con un livello regolabile di variazione, una specie di “rumore” nel percorso. Quando il rumore era zero, gli agenti marciavano in linea retta e finivano per ammassarsi in ingorghi densissimi. Quando il rumore era troppo alto, vagavano senza meta e sprecavano tempo. Ma nel mezzo esisteva una zona perfetta, una sorta di punto di equilibrio, dove gli agenti ondeggiavano quel tanto che bastava per scivolare gli uni accanto agli altri senza bloccarsi.

Come ha spiegato Liu, potrebbe sembrare controintuitivo che la casualità renda le cose più gestibili. Eppure, quando c’è abbastanza variazione, diventa possibile calcolare medie (distanze medie, tempi medi, comportamenti medi) e quindi fare previsioni affidabili. Il team ha sviluppato modelli matematici per stimare il “tasso di raggiungimento degli obiettivi”, cioè quante destinazioni vengono completate nel tempo, identificando la combinazione ideale tra densità e casualità del movimento.

Dalla simulazione ai robot veri (e oltre)

Per verificare che non fosse solo teoria, Liu ha collaborato con il fisico Federico Toschi della Eindhoven University of Technology nei Paesi Bassi. Insieme hanno testato piccoli robot su ruote in laboratorio, tracciandoli con una telecamera dall’alto e codici QR. I robot fisici erano più lenti e meno precisi di quelli simulati, ma i risultati combaciavano: gli stessi schemi emergevano anche nel mondo reale.

La cosa più affascinante è che questo tipo di coordinazione efficiente non richiede né intelligenza avanzata né un controllo centralizzato. Bastano regole locali semplicissime per produrre comportamenti di gruppo sorprendentemente organizzati, almeno entro certi limiti di densità. Come ha sottolineato Mahadevan, capire come la materia attiva (che siano formiche, mandrie di animali o sciami di robot) riesca a funzionare in ambienti affollati attraverso principi di auto organizzazione è una questione rilevante per l’ecologia comportamentale e ben oltre.

E qui sta il bello: le implicazioni non si fermano alla robotica. I modelli matematici sviluppati in questo studio potrebbero aiutare a ottimizzare il flusso di persone negli spazi pubblici, migliorare la gestione del traffico urbano o ripensare il layout di stabilimenti industriali. L’idea che introdurre una variabilità controllata nei pattern di movimento possa migliorare l’efficienza complessiva apre scenari enormi. A volte, per far funzionare le cose, serve accettare che un po’ di disordine è esattamente quello che ci vuole.

L'articolo Sciami di robot: il trucco controintuitivo che li rende più efficienti proviene da Tecnoapple.

Esplorare la superficie di Marte è sempre stata un’impresa lentissima, quasi esasperante. Ma un nuovo robot semi-autonomo potrebbe cambiare radicalmente le cose, accelerando fino a tre volte i tempi di analisi geologica rispetto ai metodi tradizionali. E no, non si tratta del solito rover su ruote che avanza di pochi metri al giorno.

Il problema, per chi segue le missioni planetarie, è noto: i segnali tra la Terra e Marte impiegano dai quattro ai ventidue minuti per fare il viaggio di andata. A questo si aggiunge una capacità di trasmissione dati piuttosto limitata. Il risultato? Ogni singola mossa di un rover va pianificata con estrema cautela, e la velocità di esplorazione ne risente in modo drammatico. La maggior parte dei rover percorre appena qualche centinaio di metri al giorno, il che rende difficile raccogliere dati geologici su aree vaste.

Un gruppo di ricercatori ha deciso di provare un approccio diverso. Hanno messo alla prova ANYmal, un robot quadrupede dotato di un braccio robotico con due strumenti: un microscopio chiamato MICRO e uno spettrometro Raman portatile, sviluppato per la sfida ESA ESRIC sulle risorse spaziali. Il progetto ha coinvolto il Robotic Systems Lab dell’ETH di Zurigo, l’Università di Zurigo e l’Università di Berna, con test condotti nel Marslabor dell’Università di Basilea, un ambiente che simula le condizioni della superficie marziana usando rocce analoghe, polvere simile al regolite e illuminazione calibrata.

Tre volte più veloce, senza perdere precisione scientifica

Il confronto tra i due metodi ha dato risultati piuttosto eloquenti. Con l’approccio tradizionale, in cui gli scienziati guidano il robot verso un singolo obiettivo, una missione tipo richiedeva circa 41 minuti. Con il metodo semi-autonomo, dove il robot si sposta da un bersaglio all’altro analizzandoli in sequenza senza aspettare istruzioni, i tempi sono scesi a un intervallo tra 12 e 23 minuti. In uno dei test, il robot ha identificato correttamente ogni singolo target selezionato.

Questo significa che le future missioni su Marte potrebbero coprire aree enormemente più ampie nello stesso tempo, raccogliendo dati su biosignature (tracce di vita) e risorse utili con un’efficienza che oggi sembra quasi fantascienza. Il robot ha dimostrato di saper riconoscere gesso, carbonati, basalti, dunite e anortosite, materiali fondamentali sia per l’astrobiologia che per lo sfruttamento futuro delle risorse lunari e marziane.

Verso le prossime missioni su Luna e Marte

La cosa davvero interessante è che non servono strumenti giganteschi o costosissimi per ottenere risultati scientifici significativi. Lo studio dimostra che anche dotazioni compatte, abbinate a un sistema robotico autonomo, bastano per raggiungere obiettivi chiave nell’esplorazione spaziale. È un cambio di paradigma: invece di dipendere da apparecchiature pesanti e complesse, le agenzie spaziali potrebbero schierare robot agili, capaci di muoversi su terreni accidentati, scansionare rapidamente le rocce e segnalare agli scienziati sulla Terra quali siti meritano un’indagine più approfondita.

Con le nuove missioni verso la Luna e Marte già in fase di pianificazione, robot come ANYmal potrebbero diventare strumenti fondamentali. Più terreno coperto, meno tempo sprecato, e soprattutto maggiori probabilità di trovare quello che tutti cercano: tracce di vita passata o presente, nascoste tra le rocce di un altro mondo.

L'articolo Mars: un robot a quattro zampe potrebbe trovare vita aliena 3 volte prima proviene da Tecnoapple.

Piccoli, programmabili e costruiti con il materiale stesso della vita. I robot di DNA sono una delle frontiere più affascinanti della ricerca scientifica contemporanea, e anche se la strada è ancora lunga, quello che promettono ha dell’incredibile. Parliamo di macchine molecolari capaci di muoversi nel flusso sanguigno, consegnare farmaci con una precisione chirurgica e, in prospettiva, dare la caccia a virus e cellule tumorali direttamente dentro il corpo umano. Non è fantascienza: è quello su cui stanno lavorando diversi gruppi di ricerca nel mondo, con risultati pubblicati di recente anche dall’Harbin Institute of Technology.

La logica di fondo è tanto semplice quanto geniale. Gli scienziati prendono in prestito concetti dalla robotica tradizionale, come giunti rigidi, componenti flessibili e tecniche di piegatura ispirate agli origami, e li applicano su scala nanometrica usando filamenti di DNA. Questo permette di costruire strutture che possono compiere azioni controllate e ripetibili, nonostante le dimensioni infinitesimali. Il punto chiave è che il DNA non è solo un archivio di informazioni genetiche: può essere ingegnerizzato per diventare una vera e propria macchina molecolare.

Come si controllano questi robot molecolari

Guidare il movimento di un robot di DNA nell’ambiente caotico del corpo umano non è esattamente banale. A livello molecolare tutto è in costante agitazione, e fenomeni come il moto browniano rendono il controllo preciso una sfida notevole. Per affrontare il problema, i ricercatori hanno sviluppato diversi sistemi di controllo. Uno dei più promettenti si chiama DNA strand displacement: in pratica, si usano sequenze specifiche di DNA come “carburante” per programmare i movimenti della macchina. Ma non finisce qui. Segnali fisici esterni, come campi magnetici, campi elettrici e luce, possono essere utilizzati per dirigere questi robot con un buon grado di accuratezza. L’idea è combinare più approcci per ottenere un controllo sempre più fine.

Applicazioni concrete e ostacoli da superare

Le applicazioni potenziali dei robot di DNA vanno ben oltre il laboratorio. In campo medico, potrebbero funzionare come veri e propri nano chirurghi, capaci di localizzare cellule malate e rilasciare trattamenti mirati. Alcuni studi stanno esplorando la possibilità di catturare virus come il SARS CoV 2, con l’obiettivo futuro di creare piattaforme di somministrazione farmacologica completamente autonome. E poi c’è il versante tecnologico: questi robot potrebbero posizionare nanoparticelle con una precisione al di sotto del nanometro, aprendo la porta a progressi nel campo del calcolo molecolare e dei dispositivi ottici di nuova generazione.

Detto questo, bisogna essere onesti. La maggior parte dei robot di DNA oggi esistenti sono ancora prototipi molto semplici, che funzionano in condizioni controllate e isolate. Mancano database dettagliati sulle proprietà meccaniche delle strutture di DNA, e gli strumenti di simulazione per prevedere il comportamento a questa scala sono ancora acerbi. Per fare il salto di qualità serviranno librerie standardizzate di componenti, l’uso dell’intelligenza artificiale per migliorare progettazione e simulazione, e progressi significativi nelle tecniche di biofabbricazione. La collaborazione tra discipline diverse sarà fondamentale. I robot del futuro, insomma, potrebbero non essere fatti di metallo e plastica, ma di molecole biologiche programmabili. E quella è una prospettiva che vale la pena tenere d’occhio.

L'articolo Robot di DNA: le macchine microscopiche che rivoluzioneranno la medicina proviene da Tecnoapple.

La raccolta robotizzata dei pomodori sta facendo un salto di qualità notevole. Un gruppo di ricercatori della Osaka Metropolitan University ha sviluppato un sistema che non si limita a individuare i frutti maturi, ma valuta in anticipo quanto sarà facile raccoglierli. Sembra una distinzione sottile, eppure cambia tutto. Il robot agricolo in questione, guidato da un modello di intelligenza artificiale, ha raggiunto un tasso di successo dell’81% nei test, superando le aspettative del team di ricerca. E la cosa interessante è che, quando il primo tentativo di raccolta fallisce, il robot cambia angolazione e riprova da un’altra direzione. Circa un quarto delle raccolte riuscite è avvenuto proprio così, con un secondo approccio laterale dopo che quello frontale non aveva funzionato.

Il merito va al professor Takuya Fujinaga, che ha messo a punto un approccio combinando riconoscimento visivo e analisi statistica. Il robot analizza diversi dettagli: il pomodoro stesso, i gambi, la presenza di foglie che ostacolano la presa, la posizione all’interno del grappolo. Tutti questi elementi vengono elaborati per scegliere la strategia migliore prima ancora di muovere il braccio meccanico.

Dalla semplice identificazione alla stima della facilità di raccolta

Qui sta il vero cambio di paradigma. I sistemi tradizionali di raccolta automatizzata si concentrano sull’identificare il frutto maturo e provare ad afferrarlo. Punto. Il sistema di Fujinaga invece introduce quello che viene definito “harvest ease estimation”, ovvero una stima della facilità di raccolta. Non ci si chiede più soltanto “il robot riesce a prendere quel pomodoro?”, ma piuttosto “con quale probabilità la raccolta andrà a buon fine?”. Una domanda molto più utile quando si lavora in contesti reali, dove ogni grappolo è diverso dall’altro e le variabili sono tantissime.

I pomodori, del resto, non crescono come le mele su un albero. Sono raggruppati in cluster, spesso nascosti tra le foglie, con gambi di forme e posizioni imprevedibili. Per una macchina, gestire tutta questa complessità richiede un livello di decisione che fino a poco tempo fa era impensabile. Il fatto che questo robot riesca ad adattarsi in tempo reale, valutando e rivalutando la situazione, rappresenta un passo avanti significativo per l’intera agricoltura di precisione.

Verso una collaborazione tra robot e agricoltori

La visione di Fujinaga per il futuro non prevede campi completamente automatizzati dove le persone non servono più. Al contrario, il ricercatore immagina una forma di collaborazione tra robot e agricoltori dove ciascuno fa quello che sa fare meglio. I robot si occuperebbero dei pomodori più accessibili, quelli che il sistema identifica come facili da raccogliere. Gli esseri umani, invece, gestirebbero i frutti più complicati, quelli nascosti o in posizioni difficili da raggiungere per un braccio meccanico.

La ricerca, pubblicata sulla rivista Smart Agricultural Technology nel marzo 2026, stabilisce la facilità di raccolta come parametro misurabile e quantificabile. Può sembrare un dettaglio tecnico, ma in realtà apre la strada a robot agricoli capaci di prendere decisioni autonome e intelligenti. Con la carenza di manodopera che continua a colpire il settore agricolo in tutto il mondo, soluzioni come questa non sono più fantascienza. Sono necessità concrete, e questo robot che raccoglie pomodori pensando prima di agire ne è la dimostrazione più convincente.

L'articolo Robot con IA raccoglie pomodori con l’81% di successo: ecco come ci riesce proviene da Tecnoapple.