Natura-1 di Nature Will: il modello da 50 miliardi di parametri per mani robotiche

Il 16 ottobre 2026 Nature Will, laboratorio di physical AI con sede a San Francisco, ha presentato Natura-1, descritto come il suo primo Physical General Foundation Model. Si tratta di un modello da 50 miliardi di parametri con architettura mixture-of-experts, pensato per controllare mani robotiche dotate di grande destrezza e per seguire istruzioni nuove senza esempi specifici.

La notizia è interessante perché sposta l’attenzione da ciò che i modelli sanno dire a ciò che sanno fare con le mani. Vediamo cosa è stato dichiarato, cosa resta da verificare e perché il tema interessa anche chi lavora con l’AI senza occuparsi di robotica.

Cosa ha annunciato Nature Will con Natura-1

Secondo il comunicato diffuso tramite ACCESS Newswire, Natura-1 è un modello fondazionale fisico che unisce comprensione del linguaggio, percezione visiva e azione. L’azienda si definisce un’organizzazione di ricerca che lavora alla physical artificial general intelligence, cioè a sistemi capaci di muoversi e agire nel mondo reale con la flessibilità che oggi associamo ai modelli linguistici.

I numeri principali sono pochi ma precisi. Il modello conta 50 miliardi di parametri, usa un’architettura mixture-of-experts e ha un ciclo di controllo dichiarato di 100 millisecondi. L’addestramento iniziale si basa su oltre un milione di ore di dati egocentrici umani, cioè registrazioni raccolte dal punto di vista di chi compie l’azione.

Il modello è addestrato congiuntamente su linguaggio, immagini, video e azioni. È una scelta importante, perché evita di tenere separati il modulo che capisce la richiesta e quello che muove la mano.

Destrezza e istruzioni mai viste

Il punto su cui Nature Will insiste è la manipolazione abile con le mani. Secondo l’azienda, Natura-1 è il primo modello fisico capace di manipolazione generale e dotata di destrezza su hardware reale, e combina l’esecuzione di istruzioni con movimenti che si adattano al cambiare delle condizioni del compito. Si tratta di affermazioni dell’azienda, non di risultati verificati da terzi.

Il comunicato parla anche di azioni sostenute nel tempo e di flussi di lavoro continui, non di semplici gesti isolati. Il modello dovrebbe ragionare su vincoli spaziali, relazioni tra più oggetti e condizioni negative, per esempio cosa non toccare o cosa non spostare.

Il concetto di zero-shot instruction following significa che il sistema dovrebbe eseguire una richiesta formulata in linguaggio naturale senza essere stato addestrato su quel compito preciso.

Le parole del CEO

Il fondatore e CEO Ning Ding ha descritto Natura-1 come “il nostro primo passo verso modelli che scalano a partire dall’esperienza umana”. L’idea di fondo è che i dati prodotti dalle persone mentre usano le mani siano una risorsa abbondante e trasferibile ai robot, a differenza delle dimostrazioni raccolte direttamente sulle macchine, che costano tempo e denaro.

Perché i dati egocentrici contano

Uno dei colli di bottiglia della robotica è la scarsità di dati. I modelli linguistici hanno imparato da enormi quantità di testo già disponibile, mentre un robot deve imparare da esempi di azioni fisiche, molto più difficili da raccogliere e da standardizzare.

Un milione di ore di video egocentrico è un tentativo di aggirare il problema. Se una persona filma con una telecamera indossabile mentre cucina, assembla o sistema oggetti, quella registrazione contiene informazioni su come si afferra, si ruota e si posa qualcosa, viste dalla prospettiva giusta per una mano.

Il passaggio dall’umano al robot resta però delicato. Una mano umana e una mano robotica hanno forme, forze e limiti diversi, e ciò che funziona per la prima non si traduce in automatico nella seconda. Per capire quanto sia vicina la soluzione servono dimostrazioni su compiti reali e misurazioni pubbliche.

Se ti interessa il meccanismo con cui un sistema impara dall’osservazione di un esperto, trovi una spiegazione chiara nella nostra guida all’apprendimento per imitazione, che è una delle basi di questo tipo di approcci.

Perché 100 millisecondi non sono un dettaglio

Il ciclo di controllo da 100 millisecondi indica ogni quanto il modello può aggiornare le proprie decisioni in base a ciò che percepisce. Per un modello da 50 miliardi di parametri è un obiettivo ambizioso, perché la manipolazione fine richiede reazioni rapide a un oggetto che scivola o a un contatto inatteso.

L’architettura mixture-of-experts può aiutare, dato che attiva solo una parte dei parametri a ogni passaggio. Il comunicato, però, non entra nei dettagli su quanti esperti siano attivi né su come sia gestita la latenza sull’hardware.

Cosa non sappiamo ancora

Il comunicato lascia fuori diversi elementi che sarebbero essenziali per valutare il progetto. Non viene indicato il robot o la mano su cui il modello è stato provato, non si parla di disponibilità né di prezzi e l’azienda non ha comunicato alcun round di finanziamento. Per approfondimenti rimanda al sito ufficiale naturewill.ai.

Mancano anche benchmark confrontabili. Nel campo della robotica i risultati dipendono molto dall’ambiente di test, e un modello che brilla in laboratorio può faticare in una cucina o in un magazzino reale.

Per questo la lettura più prudente è considerare Natura-1 un annuncio di ricerca, non un prodotto pronto. Il valore sta nella direzione scelta, un unico modello grande che unisce linguaggio, visione e azione, più che nei numeri dichiarati.

Il contesto: la physical AI accelera

Natura-1 arriva in un periodo in cui la robotica guidata da modelli fondazionali è molto attiva. Google DeepMind ha presentato Gemini Robotics 2, un modello pensato per controllare robot umanoidi da capo a piedi, e anche l’hardware sta evolvendo, come mostra la nuova mano a quattro dita di Boston Dynamics Atlas, progettata proprio per l’apprendimento per rinforzo.

Il settore sta anche cambiando guida e priorità: ne parliamo nell’articolo sul nuovo CEO di Boston Dynamics e sulla svolta verso la physical AI. Il filo comune è chiaro: i grandi laboratori vogliono portare nel mondo fisico il salto di qualità visto con i modelli linguistici.

La differenza di Nature Will sta nell’attenzione quasi esclusiva alla mano. Molti progetti puntano su robot interi, mentre qui l’obiettivo dichiarato è la destrezza manuale, che è proprio ciò che serve per montare, riordinare, cucinare o assistere una persona.

Cosa cambia per aziende e professionisti

Nel breve periodo non cambia nulla di concreto: nessuna API, nessun prodotto acquistabile. Nel medio periodo, però, un modello capace di seguire istruzioni in linguaggio naturale su mani robotiche potrebbe ridurre il tempo di programmazione di compiti manuali, oggi molto costoso, in logistica, produzione leggera e servizi.

Per chi lavora con contenuti e dati, il messaggio è un altro. L’idea di addestrare un modello su grandi quantità di esperienza umana registrata, invece che su istruzioni scritte, è una tendenza che toccherà anche altri ambiti dell’AI.

Come leggere l’annuncio senza farsi trascinare dall’entusiasmo

Quando un laboratorio parla di intelligenza artificiale generale applicata al mondo fisico, conviene separare tre piani. Il primo è ciò che è stato dichiarato, ovvero 50 miliardi di parametri, un milione di ore di dati e 100 millisecondi di ciclo. Il secondo è ciò che è stato dimostrato, e al momento il comunicato non cita prove pubbliche indipendenti. Il terzo è ciò che potrebbe accadere se la tecnologia funzionasse come promesso.

Tenere distinti questi livelli è l’unico modo per non scambiare un annuncio per un risultato. Le prossime settimane diranno se arriveranno video, paper tecnici o test condotti da altri gruppi.

Un segnale utile da osservare sarà la trasparenza sui dati. Raccogliere un milione di ore di registrazioni umane solleva questioni di consenso, privacy e governance, e il comunicato cita la data governance tra le componenti dello stack di ricerca dell’azienda, senza però spiegarne i dettagli.

Conclusioni

Natura-1 è un annuncio che merita attenzione per la direzione tecnica, un modello fisico unico addestrato su linguaggio, immagini, video e azioni, e per la scommessa sui dati egocentrici umani. Resta da dimostrare che la destrezza dichiarata funzioni oltre il laboratorio.

Il consiglio è di seguire gli sviluppi dalle fonti primarie, a partire dal blog di Nature Will, e di confrontare ogni nuovo risultato con ciò che fanno gli altri laboratori. Se vuoi restare aggiornato sulla physical AI e sui modelli per la robotica, continua a seguire intelligenzaartificiale.net: pubblichiamo ogni giorno nuove notizie e guide in italiano.