NEURA Robotics presenta Neuron AI, il modello di fondazione per l’IA fisica

NEURA Robotics ha presentato Neuron AI, il suo modello di fondazione multimodale per l’IA fisica, il 14 ottobre 2026, con un annuncio da Metzingen, in Germania. Secondo l’azienda, l’architettura Perception-Language-Action (PLA) del modello collega la vista, l’udito e il tatto del robot a ciò che ha già fatto, trasformando le informazioni multisensoriali in azioni fisiche.

Il fondatore e CEO David Reger ha affermato che i robot intelligenti hanno bisogno di un cervello che integri i loro sensi e ricordi gli eventi passati. «Con Neuron AI stiamo costruendo il cervello del mondo fisico», ha dichiarato, descrivendo il modello come IA fisica sviluppata in Germania e pensata per il mondo.

La pagina del prodotto suddivide il modello in tre componenti: un livello percettivo attraverso il quale il robot vede, tocca e ascolta, conosce il proprio corpo e riceve il comando dell’utente; un modello linguistico che riunisce ogni input in uno spazio linguistico condiviso e ragiona sulla richiesta; e un modello d’azione che traduce le decisioni in movimenti robotici precisi e sicuri. In questa pipeline, ogni modalità viene codificata in una rappresentazione comune e sincronizzata nel tempo, prima di essere integrata in un unico flusso d’azione.

Percezione multisensoriale e memoria

La tesi di NEURA a sostegno del modello parte dai limiti delle telecamere: rilevano geometria, colore e posizione, ma non forniscono informazioni sul contatto, sulla forza o sul suono. Come osserva l’annuncio, le persone non si affidano soltanto alla vista: sentono quando una vite fa presa e odono uno scatto quando un connettore si inserisce, e Neuron AI applica lo stesso principio ai robot.

Secondo l’azienda, i sensi aggiuntivi sono particolarmente importanti per le attività che le telecamere non possono svolgere da sole. Quando un robot apre una serratura, solo il suono e il tatto confermano che è davvero aperta, mentre il tatto consente al robot di afferrare oggetti nascosti alla vista. Questi sensi migliorano anche attività che la vista è già in grado di gestire: nella saldatura, il suono del processo può indicare la qualità del cordone.

Il modello dispone anche di una funzione di memoria. NEURA sostiene che agire nel mondo fisico richieda la comprensione del rapporto di causa ed effetto e la permanenza degli oggetti, ossia la capacità di ricordare gli oggetti quando escono dal campo visivo, che gli esseri umani acquisiscono nei primi due anni di vita. A differenza dell’IA puramente digitale, ha affermato l’azienda, un robot agisce in un mondo fisico continuo e deve tenere traccia degli oggetti e delle conseguenze delle proprie azioni nel tempo, spesso senza poterli vedere. NEURA ha dichiarato di aver rielaborato l’architettura appositamente per introdurre la memoria e di addestrarla con set di dati dedicati, progettati per sfruttarla.

Nella pagina del prodotto, l’azienda mette a confronto i modelli vision-language-action (VLA) basati sulla visione, che a suo dire sono ottimizzati per il movimento e ragionano soprattutto sul fotogramma corrente acquisito dalla telecamera, con Neuron AI, che secondo l’azienda copre lo stesso ambito di un VLA, aggiungendo però il tatto, il suono e la memoria per colmare ciò che sfugge alle telecamere.

Tre pilastri di dati e cinque configurazioni robotiche

Neuron AI viene addestrato su tre fonti complementari di esperienza fisica. Robot con diverse configurazioni svolgono attività nelle NEURA Gyms, l’infrastruttura di addestramento dell’azienda per i robot cognitivi e l’IA fisica, e in contesti reali, producendo flussi sincronizzati di dati visivi, tattili, di forza, audio e movimento. Il Data Amplifier e la piattaforma di simulazione di NEURA ampliano questi dati con varianti simulate delle attività e degli ambienti; i dati delle dimostrazioni umane provengono invece da persone che indossano tute per la raccolta dati dotate di sensori. I movimenti registrati e le dimostrazioni delle attività trasferiscono così nell’addestramento competenze pratiche.

Secondo l’azienda, i tre pilastri forniscono interazione fisica reale, varianti simulate e competenze umane, permettendo di addestrare un unico modello di fondazione condiviso su cinque configurazioni di robot NEURA, dotate di pinze e mani diverse. La pagina del prodotto indica che le cinque sono 4NE-1 Gen 3, 4NE-1 Gen 4, una versione su ruote del 4NE-1 e altre due piattaforme bimandibolari, e cita MAiRA, MiPA, MAV+ e 4NE1 come la famiglia di robot su cui viene addestrato e distribuito un unico modello.

Distribuzione direttamente sui robot e piattaforma Neuraverse

Neuron AI viene eseguito localmente sul robot stesso, afferma la pagina del prodotto: le decisioni vengono prese in tempo reale sul robot, senza passare da un server; il robot continua a funzionare anche senza connessione al cloud; e i dati di produzione restano sotto il controllo del cliente, un aspetto che la pagina definisce fondamentale per i produttori europei.

Nelle NEURA Gyms, la raccolta dei dati, l’addestramento delle competenze e la valutazione comparativa sono collegati prima della distribuzione; i dati e le competenze prodotti al loro interno confluiscono poi nelle versioni successive del modello. La piattaforma Neuraverse distribuisce e aggiorna quindi queste capacità nelle flotte di robot e fornisce ai clienti strumenti per perfezionare il modello in base alle proprie attività, trasformando così le competenze sui processi del cliente in abilità robotiche. Le abilità possono restare private del cliente; secondo NEURA, quando un cliente condivide abilità o dati di distribuzione, tali contributi possono sostenere l’ecosistema più ampio e lo sviluppo futuro del modello.

L’azienda considera il Time-to-Skill, ovvero la velocità con cui un robot apprende una nuova attività e la svolge in modo affidabile, una misura centrale dei progressi. Per i clienti industriali, ha affermato NEURA, ridurre questo tempo è essenziale per estendere l’IA fisica a un numero maggiore di processi e adattarla al mutare dei requisiti.

Sviluppo in Germania e dimostrazione al GTC Berlin

Lo sviluppo e l’addestramento si sono svolti internamente presso lo stabilimento NEURA di Metzingen, dove l’azienda riunisce i robot, le mani, le tecnologie di rilevamento, l’infrastruttura dei dati e le competenze di sviluppo dell’IA necessari per collegare l’addestramento dei modelli alle prestazioni fisiche. Secondo NEURA, la base industriale tedesca, con i suoi processi produttivi complessi, le competenze specialistiche e gli ambienti operativi esigenti, offre un contesto importante per questo lavoro; inoltre, le partnership sui dati con aziende industriali, tra cui Schaeffler e Bosch, contribuiscono all’addestramento svolto nelle NEURA Gyms.

Alla NVIDIA GTC Berlin 2026, NEURA presenterà il suo robot umanoide 4NE1 («Per chiunque»), che eseguirà l’attuale versione di Neuron AI in una sequenza di undici minuti dedicata alla gestione del bucato. In questa sequenza, 4NE1 smista il bucato, carica una lavatrice, la chiude e la riapre, la svuota e trasferisce il bucato in un’asciugatrice, il tutto senza intervento umano. L’azienda ha dichiarato che la difficoltà non consiste nell’eseguire un singolo movimento: il robot deve mantenere il contesto pertinente per tutta la sequenza, completare ogni passaggio e passare al successivo. La dimostrazione è in programma allo Station-Berlin, Padiglione 3, Stand #3031, dal 20 al 22 ottobre 2026.