PRO475

21 progettare 475 • GENNAIO/FEBBRAIO 2026 entro il 2035 non esclusivamente nell’he- adquarter genovese. Il capitale raccolto permetterà di accelerare lo sviluppo pro- dotto, l’addestramento dei sistemi di Phy- sical AI oltre alla validazione industriale e alla costruzione del primo stabilimento produttivo. “La nostra missione è costruire un futuro in cui i robot umanoidi intelligenti col- laborino quotidianamente con persone, amplificando il potenziale cognitivo e fisico dell’essere umano - afferma Daniele Pucci, CEO e co-founder di Generative Bionics -. La nostra Physical AI ci permette di progettare e produrre robot ispirati all’essere umano che generano un chiaro valore aggiunto per diverse applicazioni industriali. Secondo le principali analisi internazionali, il mercato della robotica umanoide supererà i 200 miliardi di euro già nel 2035 e potrebbe superare i 5 tri- lioni entro il 2050. È una trasformazione epocale: il nostro obiettivo è diventare l’attore di riferimento nella Physical AI per robot umanoidi integrati in un ecosistema tecnologico umano-centrico”. “Lo sviluppo della robotica umanoide in- telligente rappresenta oggi l’opportunità imperdibile per il nostro Paese di fare leva su competenze scientifiche e industriali distintive, per affermarsi in un mercato caratterizzato da trend di crescita di por- tata generazionale - afferma Alessandro Scortecci, direttore investimenti Diretti di CDP Venture Capital -. La collaborazione tra CDP Venture Capital e Generative Bio- nics è iniziata con un primo investimento nella fase di prototipazione, attraverso il Polo diTrasferimentoTecnologico RoboIT e si rafforza oggi con l’ingresso del no- stro Fondo Artificial Intelligence e degli investitori di livello internazionale che abbiamo coinvolto. Siamo convinti che questo team abbia il potenziale per fare di Generative Bionics un campione europeo e globale, capace di posizionare l’Italia tra i leader nelle scelte tecnologiche del settore, coniugando le priorità industriali con i principi culturali che guidano la nostra visione”. Alla base degli umanoidi di Generative Bionics ci sono le tecnologie sviluppate nei principali progetti di robotica dell’Isti- tuto Italiano di Tecnologia: iCub, il robot cognitivo per la ricerca; ergoCub, l’uma- noide progettato con Inail per supportare le persone nel lavoro; e iRonCub, l’unico robot umanoide volante al mondo. Da questa esperienza, l’azienda ha defini- to tre pilastri tecnologici per la nuova generazione di umanoidi Made in Italy: una rete di sensori tattili e di forza di- stribuiti, derivata da iCub, che garantisce un’interazione fisica sicura; un’architettu- ra diPhysical AI, maturata con ergoCub, che consente di progettare umanoidi per Daniele Pucci è alla guida di Generative Bionics. Cos’è la Physical AI Quando l’Intelligenza Artificiale incontra la fisica prende vita una tecnologia denominata la Physical AI. La AI fisica generativa permette a robot e veicoli autonomi di percepire, comprendere e navigare in ambienti complessi con un alto livello di sofisticazione. I modelli di Intelligenza Artificiale Generativa vengono addestrati su enormi quantità di dati testuali e visivi raccolti dal web. Sono modelli che, seppure eccellono nell’elaborazione del linguaggio, hanno però una comprensione limitata delle leggi fisiche e delle relazioni spaziali del mondo reale. La Physical AI permette di estendere le capacità della AI Generativa integrando dati che descrivono il comportamento fisico degli oggetti nel mondo tridimensionale, che vengono generati attraverso simulazioni altamente accurate e che fungono sia da fonte di dati sia da ambiente di addestramento per l’Intelligenza Artificiale. Il processo inizia con la creazione di un Digital Twin di un ambiente reale, all’interno del quale vengono inseriti sensori e macchine autonome. Le simulazioni riproducono scenari realistici e catturano interazioni fisiche come le dinamiche dei corpi rigidi (movimenti e collisioni), ma anche interazione della luce con gli oggetti, utile per il riconoscimento visivo avanzato. Attraverso migliaia, o addirittura milioni, di tentativi ed errori, i modelli di Physical AI imparano a svolgere compiti con maggiore efficienza.