Microduck, il robot bipede open source da 399 dollari di Hugging Face per il reinforcement learning

C’è un nuovo protagonista nella robotica accessibile e ha la forma buffa di un piccolo papero. Si chiama Microduck, è il robot bipede open source nato dalla collaborazione tra Hugging Face e il team di Pollen Robotics, e da pochi giorni è disponibile in preordine a 399 dollari. In un mercato dove i robot umanoidi costano quanto un’automobile, quel cartellino di prezzo suona quasi come una provocazione. L’obiettivo dichiarato è mettere nelle mani di chiunque uno strumento fisico con cui imparare, sperimentare e soprattutto addestrare l’intelligenza artificiale attraverso l’apprendimento per rinforzo.

Non lasciarti ingannare dall’aspetto: Microduck somiglia a un giocattolo, ma è pensato come una vera piattaforma di sviluppo. Codice, simulatore e strumenti di addestramento sono pubblicati apertamente, e questo lo rende il segnale più concreto di come la physical AI stia scendendo dal laboratorio alla scrivania di casa.

Che cos’è Microduck, il robot bipede open source da 399 dollari

Microduck è un piccolo bipede alto circa 25 centimetri e con un peso di poco inferiore agli 800 grammi. Nonostante le dimensioni ridotte monta 15 motori, che gli permettono di muoversi in modo sorprendentemente articolato, una fotocamera integrata, un piccolo sensore LiDAR e alcuni sensori inerziali per mantenere l’equilibrio. A completare il corpo c’è un becco snodato con cui il robottino riesce ad afferrare e sollevare piccoli oggetti.

Sotto la scocca il profilo è quello di un mini computer: 32 GB di memoria di archiviazione, 1 GB di RAM, connettività Wi-Fi e Bluetooth e una batteria da 2.600 mAh che garantisce circa un’ora di funzionamento continuo. Al momento del preordine puoi sceglierlo in quattro colori, chiamati Cream, Graphite, Lavender e Sky.

La cosa più interessante è che il papero non arriva “vuoto”.

Microduck viene infatti fornito con sette comportamenti già pronti all’uso, che dimostrano fin da subito le sue capacità motorie. Tra questi ci sono la camminata, la capacità di sedersi e rialzarsi, di dare calci a un pallone, di afferrare oggetti con il becco, di pattinare e persino di rimettersi in piedi da solo dopo una caduta. È proprio quest’ultima abilità, la resilienza fisica, a rendere evidente quanto lavoro di addestramento ci sia dietro un dispositivo apparentemente così semplice.

Perché il reinforcement learning è il cuore del progetto

Il vero senso di Microduck non sta in ciò che sa fare appena estratto dalla scatola, ma in ciò che tu puoi insegnargli. Il robot è costruito attorno all’apprendimento per rinforzo, la tecnica con cui un agente impara per tentativi ed errori, ricevendo una ricompensa quando compie l’azione giusta e una penalità quando sbaglia. È lo stesso paradigma che ha permesso alle macchine di battere i campioni umani di Go e che oggi guida buona parte della robotica più avanzata.

Il flusso di lavoro proposto da Pollen Robotics è quello che gli addetti ai lavori chiamano sim-to-real. In pratica addestri un nuovo comportamento all’interno di un simulatore fisico, nel caso specifico il popolare ambiente MuJoCo, poi trasferisci la policy risultante direttamente sul robot fisico, osservi come si comporta nel mondo reale, correggi la simulazione e ripeti il ciclo. In questo modo eviti di danneggiare l’hardware durante le migliaia di tentativi necessari all’addestramento, che avvengono in gran parte al sicuro dentro il computer.

Il punto delicato di tutto questo processo è il cosiddetto reality gap, la distanza tra il comportamento perfetto del simulatore e le imperfezioni del mondo reale, fatto di attriti, giochi meccanici e sensori rumorosi. È qui che si concentra la parte più interessante del lavoro, e per questo avere a disposizione un robot vero, e non solo un modello virtuale, fa una differenza enorme.

Ad abbassare ulteriormente la barriera d’ingresso c’è la scelta della licenza. L’SDK, l’ambiente di simulazione e l’intero stack di addestramento sono pubblicati su GitHub sotto licenza Apache 2.0, una delle più permissive in circolazione, che consente di studiare, modificare e riutilizzare il codice anche in progetti commerciali.

Chi vuole capire davvero cosa accade dentro Microduck può partire dai concetti di base, come il dilemma tra esplorazione e sfruttamento o la formalizzazione dei problemi decisionali attraverso il processo decisionale di Markov. Sono le fondamenta teoriche che trasformano un papero di plastica in un banco di prova serio per l’intelligenza artificiale incarnata.

La strategia di Hugging Face, dall’hub dei modelli all’hardware

Per capire perché un’azienda conosciuta soprattutto come “il GitHub dell’intelligenza artificiale” si metta a vendere robot, bisogna guardare alla sua traiettoria recente. Hugging Face ha avviato il progetto LeRobot nel 2024 per portare l’apprendimento automatico nella robotica, e ad aprile 2025 ha acquisito proprio Pollen Robotics, ottenendo un team che costruiva robot da ricerca già da diversi anni.

Microduck è quindi molto più di un gadget: è una mossa di distribuzione. Hugging Face è già il punto di riferimento per la condivisione dei modelli, e un robot economico con un ciclo di addestramento ben documentato offre agli sviluppatori un bersaglio fisico su cui far girare quegli stessi modelli.

È una scommessa sul fatto che il futuro dell’AI non sia solo software.

Mentre i grandi laboratori investono miliardi in umanoidi destinati a fabbriche e magazzini, l’approccio di Hugging Face ribalta la prospettiva e punta sulla base della piramide: studenti, ricercatori indipendenti, appassionati e piccole startup che non possono permettersi una piattaforma industriale ma vogliono comunque sporcarsi le mani con la robotica. Non è un caso che il tema della physical AI sia diventato uno dei più caldi del momento, con interi Paesi, soprattutto in Asia, che stanno indirizzando le proprie politiche industriali proprio in questa direzione.

La forma da papero, per quanto simpatica, ha anche una funzione pratica. Un bipede piccolo e leggero cade spesso, e imparare a rialzarsi è uno dei problemi classici della robotica: un banco di prova ideale, quindi, per chi vuole studiare equilibrio, andatura e controllo del movimento senza rischiare di distruggere una macchina costosa.

Cosa cambia per sviluppatori, ricerca e didattica

Il valore di uno strumento come Microduck si misura soprattutto in ciò che abilita. Per uno sviluppatore diventa possibile testare in poche ore un’idea che prima avrebbe richiesto un laboratorio attrezzato e un budget importante. Per un docente è un modo tangibile di spiegare cosa significhi addestrare un agente, mostrando in tempo reale come un comportamento appreso in simulazione si traduca in movimento fisico. Per la comunità open source, infine, è un nuovo terreno comune su cui condividere policy, ambienti e trucchi di addestramento, esattamente come oggi si condividono i modelli linguistici.

C’è anche un legame naturale con l’ecosistema robotico esistente. Chi ha già dimestichezza con framework come ROS, il Robot Operating System, troverà nel papero un banco di prova più economico e immediato rispetto alle piattaforme tradizionali, utile per prototipare comportamenti prima di portarli su hardware più serio.

Restano ovviamente alcune incognite. Un’ora di autonomia è poca per sessioni di addestramento prolungate, e il fatto che le prime spedizioni siano attese solo verso Natale del 2026 significa che, per ora, gran parte dell’entusiasmo si gioca sulla carta e nelle simulazioni. La differenza tra un vero strumento di apprendimento e una simpatica novità stagionale la faranno l’affidabilità dell’hardware, la qualità della documentazione e la dimensione della comunità che riuscirà a costruirsi attorno al progetto.

Conclusioni

Microduck racchiude in un corpo di 25 centimetri una tesi molto più grande di lui: l’intelligenza artificiale incarnata non deve per forza essere costosa, chiusa e riservata a pochi laboratori. Mettendo insieme un prezzo abbordabile, codice aperto e un ciclo di addestramento accessibile, Hugging Face prova a fare per la robotica ciò che ha già fatto per i modelli, cioè trasformarla in un bene comune su cui chiunque può sperimentare.

Se ti occupi di tecnologia, sviluppo o formazione, vale la pena tenere d’occhio questo piccolo papero e, perché no, iniziare fin da subito a familiarizzare con il reinforcement learning, così da farti trovare pronto quando il robot arriverà sulla tua scrivania. Puoi consultare tutti i dettagli tecnici e le specifiche complete direttamente nell’annuncio ufficiale di Pollen Robotics, e poi iniziare a immaginare quale comportamento gli insegneresti per primo.