Il team vivo PrismBot dopo la vittoria nella Reasoning to Action Track dell’AGIBOT World Challenge a ICRA 2026.
Trasformare un comando in un’azione fisica resta una delle prove più difficili per la robotica embodied. vivo ha ottenuto un risultato di rilievo a ICRA 2026, a Vienna, con il team PrismBot, primo nella Reasoning to Action Track dell’AGIBOT World Challenge e tra i primi tre al mondo nella Whole Body Control Track. La competizione ha coinvolto 526 team da 27 Paesi e regioni, misurando i sistemi su scenari realistici e task complessi.
Dal ragionamento all’azione robotica
La Reasoning to Action Track valuta la capacità di passare dalla comprensione del compito alla decisione operativa. I sistemi devono interpretare intenzioni, scomporre attività, definire sotto-obiettivi, gestire eccezioni e tradurre il processo decisionale in movimenti eseguiti da un braccio robotico. Il formato combina simulazioni online e test offline su robot realistici, con punteggi legati a completamento dei task, stabilità nel lungo periodo e generalizzazione in contesti complessi.
Keyframe e apprendimento contrastivo
Il team vivo PrismBot ha affrontato la sfida con un framework basato su ottimizzazione dei keyframe e apprendimento contrastivo. La prima componente aiuta a strutturare i passaggi dell’azione, mentre la seconda migliora l’allineamento tra istruzioni linguistiche ed esecuzione robotica.
Il valore tecnico sta nel rendere più coerente la sequenza tra pianificazione, controllo e movimento, riducendo il disallineamento tra ciò che il modello comprende e ciò che il robot deve eseguire nello spazio fisico.
Come ridurre il gap tra simulazione e robot reali
La domanda centrale per la robotica intelligente è come trasferire prestazioni ottenute in simulazione verso hardware reale, dove compaiono attriti, geometrie variabili, errori di presa e situazioni non previste. L’approccio di vivo lavora proprio su questo passaggio: dal modello che ragiona al sistema che agisce.
La vittoria nella finale su robot umanoidi realistici indica che la componente decisionale è stata testata oltre l’ambiente simulato, con attenzione a robustezza, stabilità e capacità di operare in condizioni vicine al mondo reale.
Whole Body Control in ambiente supermercato
Il secondo risultato è arrivato nella Whole Body Control Track, dove i robot hanno operato in un ambiente realistico di supermercato, con attività come il prelievo e il posizionamento di prodotti in un carrello.
Il team vivo ha applicato lo stesso sistema reasoning-to-action al controllo dell’intero corpo, usando la ponderazione dei keyframe per aumentare la precisione di presa e l’apprendimento contrastivo per identificare meglio le direzioni di presa. Il piazzamento tra i primi tre conferma la trasferibilità dell’approccio su task diversi.
Per vivo, questi risultati rientrano in una strategia che unisce competenze in imaging, AI e sviluppo hardware-software. L’azienda guarda alla robotica domestica come nuova piattaforma di uso personale, accanto agli smartphone, con task che richiedono manipolazione precisa, collaborazione tra bracci, ragionamento e decision-making.
Il passaggio dal telecontrollo a forme di autonomia più avanzate sarà misurato dalla capacità di portare l’intelligenza embodied fuori dai test e dentro attività quotidiane ripetibili.
Il team vivo durante le attività tecniche dell’AGIBOT World Challenge a ICRA 2026.
