Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
A robot that can picture the result of its own movement before making it is no longer a thought experiment. At Seoul National University, a team led by Professor Jaeyoung Do of the AIDAS Lab has built a system that reads a spoken or written request, imagines the finished scene, and then moves the arm to get there. In the team's own tests across four real-world manipulation settings, the system, called Dynin-Robotics, succeeded 78.4% of the time on average.
Un robot capace di immaginare il risultato del proprio movimento prima di compierlo non è più un esperimento mentale. Alla Seoul National University, un team guidato dal professor Jaeyoung Do dell'AIDAS Lab ha costruito un sistema che legge una richiesta orale o scritta, immagina la scena finita e poi muove il braccio per raggiungerla. Nei test condotti dal team in quattro contesti reali di manipolazione, il sistema, chiamato Dynin-Robotics, ha avuto successo nel 78,4% dei casi in media.
The problem it addresses is familiar to anyone who has watched a robot fail in an unfamiliar kitchen. A robot can repeat a movement it learned under fixed conditions, but real tasks change: the cup sits somewhere new, the drawer is shaped differently, and people ask for things in different words. Recent systems have used large language models, the text engines behind chatbots, to understand requests, and video-generation models to predict what comes next. The Seoul team merged both abilities into a single model, so that understanding the instruction, predicting the outcome and generating the movement are learned together.
Il problema che affronta è familiare a chiunque abbia visto un robot fallire in una cucina sconosciuta. Un robot può ripetere un movimento appreso in condizioni fisse, ma i compiti reali cambiano: la tazza si trova in un punto nuovo, il cassetto ha una forma diversa e le persone chiedono le cose con parole differenti. I sistemi recenti hanno usato i grandi modelli linguistici, i motori di testo alla base dei chatbot, per comprendere le richieste, e i modelli di generazione video per prevedere ciò che accadrà dopo. Il team di Seoul ha unito entrambe le capacità in un solo modello, così che comprensione dell'istruzione, previsione del risultato e generazione del movimento vengono appresi insieme.
The mechanism is simple to state. Given the camera image and the instruction, the model produces an image of the scene it expects once the task is done. That predicted image then either serves as a reference for generating the movement, or is used to score several candidate movements and keep the most suitable one. In simulated fruit-picking and flower-arrangement tasks, a model trained this way handled indirect requests such as "Put in the flower that symbolizes love" better than a model trained only to produce actions, which had to rely on the object being named directly.
Il meccanismo è semplice da descrivere. Dati l'immagine della telecamera e l'istruzione, il modello produce un'immagine della scena attesa a compito concluso. Questa immagine prevista serve poi come riferimento per generare il movimento, oppure viene usata per valutare diversi movimenti candidati e mantenere quello più adatto. Nei compiti simulati di raccolta della frutta e di composizione floreale, un modello addestrato in questo modo ha gestito meglio le richieste indirette, come «Metti il fiore che simboleggia l'amore», rispetto a un modello addestrato solo a produrre azioni, che doveva affidarsi al fatto che l'oggetto fosse nominato direttamente.
Speed was the second problem. The team grouped the information needed for a sequence of actions and predicted it in parallel, and reused intermediate results that the computation would otherwise repeat. The action generator ran up to about 29.2 times faster than its unoptimized version, and up to about 36.6 times faster than the π0.5 model from Physical Intelligence, a US robot-AI company whose model was one of the comparisons.
La velocità era il secondo problema. Il team ha raggruppato le informazioni necessarie per una sequenza di azioni, le ha previste in parallelo e ha riutilizzato i risultati intermedi che altrimenti il calcolo avrebbe ripetuto. Il generatore di azioni è risultato fino a circa 29,2 volte più veloce della sua versione non ottimizzata, e fino a circa 36,6 volte più veloce del modello π0.5 di Physical Intelligence, un'azienda statunitense di IA per robot il cui modello era uno dei termini di confronto.
What changes, and for whom? For now, the gain is scientific: a single model that links what a person says, what a scene will look like and how a robot should move, with a measured lead over two comparison systems. Robots that can carry out less rigid requests would matter first in warehouses, labs and homes, but the sources give no timeline, no product and no price, and the work is still a research paper on the arXiv preprint server. The paper has been accepted to NeurIPS 2026, one of the major artificial intelligence conferences, and is scheduled to be presented in December. The next evidence will come from whether the 78.4% holds once other teams run the same tests.
Cosa cambia, e per chi? Per ora il guadagno è scientifico: un unico modello che collega ciò che una persona dice, ciò che una scena diventerà e come un robot dovrebbe muoversi, con un vantaggio misurato su due sistemi di confronto. I robot in grado di gestire richieste meno rigide sarebbero utili innanzitutto in magazzini, laboratori e abitazioni, ma le fonti non indicano alcuna tempistica, nessun prodotto e nessun prezzo, e il lavoro resta un articolo di ricerca sul server di preprint arXiv. L'articolo è stato accettato alla NeurIPS 2026, una delle principali conferenze sull'intelligenza artificiale, e sarà presentato a dicembre. Le prossime conferme arriveranno dal fatto che il 78,4% regga quando altri team ripeteranno gli stessi test.