Daimon Robotics sviluppa una pipeline di dati tattili per i robot

Una telecamera può vedere un connettore. Non può dire a un robot se il connettore è scattato in posizione, né che un sacco sta cominciando a scivolare dalla presa. È questo divario, tra ciò che le macchine vedono e ciò che sentono al contatto, che Daimon Robotics ha scelto di affrontare: l'azienda vuole vendere gli strumenti per colmarlo, piuttosto che il robot finito.

L'approccio dell'azienda è una pipeline. Il suo partner e vicepresidente tecnologico, Dr. Zhu, ha dichiarato a The Robot Report che Daimon sta «fornendo l'infrastruttura» ai clienti a valle e «non punta a diventare uno sviluppatore di modelli di base». In pratica, ciò significa sensori tattili, dispositivi per la raccolta dati come il suo Umi, usato per catturare le interazioni umane, strumenti di simulazione e modelli di IA, tutti progettati per funzionare insieme. Nel suo sistema, il feedback tattile funziona a 30 Hz, ovvero 30 letture al secondo, il ritmo che serve alle attività ad alto contatto quando un pezzo si comporta in modo inatteso.

Il collo di bottiglia sono i dati. Le immagini si catturano facilmente con le telecamere; i dati del tatto dipendono da ogni singolo contatto fisico e cambiano con il materiale, la geometria, le forze applicate e il compito stesso. La simulazione dovrebbe moltiplicare questi dati, ma il divario tra fisica virtuale e fisica reale resta ampio, soprattutto per attrito e forze di contatto. La risposta di Daimon è calibrare le simulazioni su misurazioni reali prima di trasferire i dati raccolti in ambienti virtuali. L'azienda ha discusso la raccolta di oltre 10.000 ore di dati, mentre la sua iniziativa a più lungo termine, Daimon-Infinity, punta a oltre 1 milione di ore di dati incarnati tattili. Si tratta di obiettivi e di piani, non di un dataset già consegnato.

Daimon afferma di essere andata oltre le dimostrazioni. Alla conferenza IROS 2026 ha mostrato robot che applicavano disegni termotrasferibili su borse tote, infilavano braccialetti, e raccoglievano e confezionavano vetri rotti: compiti che, secondo l'azienda, erano guidati da modelli di base addestrati con dati provenienti da diversi scenari. Indica Lenovo Capital e Inovance Technology come partner chiave e afferma di lavorare su linee di assemblaggio industriali e magazzini, senza citare nemmeno un cliente. Una verifica indipendente di queste installazioni non è disponibile, e la stessa azienda inquadra la vera prova nelle prestazioni in produzione.

Cosa cambia, e per chi? Se l'approccio funziona, i costruttori di robot per l'assemblaggio e il confezionamento potrebbero acquistare capacità tattili e dati di addestramento invece di raccoglierli da soli, un passo che conta soprattutto per gli sviluppatori più piccoli, che non possono gestire programmi di dati propri. Daimon sta anche esplorando come i suoi dati sulle interazioni umane possano addestrare modelli per robot umanoidi e a doppio braccio. Che ciò avvenga in fretta dipende da domande che le fonti lasciano aperte: come si comportano gli strumenti al di fuori delle dimostrazioni dell'azienda, e se si raggiungerà l'ambizione del milione di ore.