Apprendimento da una sola dimostrazione: lo stato delle prove

Il 24 agosto scorso un'azienda americana ha presentato un sistema con cui si insegna a un robot un lavoro mai visto facendogli vedere 3-12 secondi di video. Zero riaddestramento, zero codice: il robot osserva la dimostrazione e la ripete. Annunci del genere, sei mesi dopo, si trasformano in preventivi sulla scrivania di chi dirige uno stabilimento; per questo ci abbiamo lavorato due giorni, a verificare cosa ci fosse dietro. Ne è uscita più una lista di controllo per leggere certi comunicati che una nota di robotica.

L'annuncio e la documentazione disponibile

Il sistema si chiama GEN-1.5 e viene da Generalist AI, società del 2024 messa in piedi da due ex Google DeepMind e un ex Boston Dynamics; ha raccolto circa 400 milioni di dollari, con NVIDIA e Bezos Expeditions tra chi ha investito. Terzo modello uscito in dieci mesi: GEN-0 (novembre 2025: oltre 10 miliardi di parametri, 270.000 ore di manipolazione vera, raccolte da operatori con una pinza munita di telecamera impugnata a mano), GEN-1 (aprile 2026: successo medio passato dal 64% al 99% sui compiti mostrati, più di 500.000 ore di dati) e adesso GEN-1.5.

Cosa dichiara l'azienda per GEN-1.5: il 59% di successo medio su dieci compiti inediti, con una dimostrazione sola e nessuna modifica al modello; l'83% dopo dieci passi di training fatti su cinque minuti di dati. L'idea di fondo merita attenzione: costruire un robot generalista sarebbe soprattutto una questione di quantità di dati, non di progettazione.

Il punto debole è la documentazione. Manca l'articolo scientifico, manca la peer review, mancano i pesi da scaricare, un benchmark pubblico e qualsiasi confronto con altri sistemi. Ci sono tre post sul blog aziendale, alcuni video, e centinaia di milioni di dollari di finanziamenti chiusi nei mesi appena precedenti.

Bisogna però riconoscere che il post si rivela più onesto dei giornali che l'hanno rilanciato: l'azienda ammette che i compiti erano semplici e brevi, i successi modesti, le abilità acquisite al volo fragili, gli iperparametri mai ottimizzati. Una frase per ciascun limite, scritta nero su bianco da loro stessi — e sparita da quasi tutta la cronaca del giorno seguente.

L'argomento dello 0,15%: un artefatto degli iperparametri

L'argomento scelto per sostenere la tesi è, citiamo alla lettera: dieci passi di training spostano i pesi del modello di meno dello 0,15%, dunque il modello "riconfigura leggermente conoscenza già presente invece di costruire nuove rappresentazioni". A prima vista colpisce: uno spostamento infinitesimo, eppure ventiquattro punti percentuali di successo in più.

Rifacendo i conti, quella cifra non prova nulla. AdamW, l'ottimizzatore con cui si addestrano praticamente tutti i modelli di questo tipo, normalizza ogni aggiornamento: quanto cambia un singolo parametro a ogni passo lo decide il learning rate, non l'entità dell'errore. Fate dieci passi su un modello da 10 miliardi di parametri con un learning rate qualsiasi nella norma (tra 2 e 20 milionesimi) e otterrete uno spostamento complessivo dei pesi intorno allo 0,15%, a prescindere da ciò che il modello conosce. Con cento passi l'avreste letto come 1,6%; con mille, come 16%.

In sostanza "dieci passi muovono i pesi meno dello 0,15%" equivale, fattore due più o meno, ad "abbiamo eseguito dieci passi". La conferma arriva dall'azienda medesima, due righe più sotto: "la performance migliora con learning rate più alti". Alzare il learning rate gonfia meccanicamente quella cifra; se la sua piccolezza provasse qualcosa, una buona ottimizzazione distruggerebbe la prova.

Ciò nonostante la conclusione ha buone probabilità di essere giusta. Il dato che la sorregge davvero è un altro, e Generalist ce l'ha in mano pur presentandolo come funzionalità di prodotto: il 59% ottenuto a pesi congelati. Se un modello porta a termine un compito mai visto senza ricevere un solo aggiornamento, la conoscenza necessaria era già dentro per forza — non esiste alcun posto in cui avrebbe potuto entrare dopo. Per argomentare la tesi hanno preso la cifra più debole tra quelle disponibili, plausibilmente perché "0,15%" fa un certo effetto.

Generalizzazione o recupero: la questione decisiva

Al di sotto si nasconde il punto che, da solo, giustifica o affossa la valutazione dell'azienda: il modello generalizza, oppure recupera? Detto altrimenti: la dimostrazione gli trasmette qualcosa di nuovo, o funziona soltanto da selettore tra abilità già incontrate nelle 500.000 ore di training?

Va anche detto che il meccanismo ha già dei precedenti. Il primo lavoro in cui un robot imita una dimostrazione lasciata nel contesto, senza toccare i pesi, risale all'agosto 2024: si chiama ICRT, opera su un braccio Franka ed è pubblicato con articolo, codice, pesi e dati a disposizione di chiunque. La novità rivendicata da Generalist non sta dunque nel meccanismo ma nella scala: che con 500.000 ore alle spalle la cosa funzioni in generale, non soltanto nei casi scelti. Che è proprio ciò che nessuno può controllare da fuori.

Le due risposte disegnano economie opposte. Se prevale il recupero, la curva di scala diventa una legge di copertura: ogni ora supplementare di dati acquista un ulteriore pezzo di casistica, con rendimento lineare, su un magazzino che non si esaurisce mai. Se prevale la generalizzazione, si tratta invece di una legge di generalizzazione: ciascuna ora accresce la capacità del modello perfino su compiti che nessuno ha mai raccolto. La curva mostrata è la stessa in entrambi i mondi; quel che cambia è il significato, e da lì discende tutto il resto.

Il post offre tre indizi seri a favore della generalizzazione; curiosamente il più convincente non viene usato. Una dimostrazione registrata dentro un simulatore funziona sul robot fisico, pur non essendoci traccia di simulazione nel training. Chi operasse per pura somiglianza visiva fallirebbe, dato che l'immagine renderizzata non assomiglia a nulla di già osservato: riuscirci richiede di estrarre il movimento prescindendo dall'aspetto.

Contano però anche tre cose che mancano. Non esiste la curva che mostri l'effetto di due o cinque dimostrazioni anziché una — il grafico più semplice da produrre per chi rivendichi una capacità simile, a meno che il risultato sia piatto. Non esiste la prova con una dimostrazione errata: il test dirimente, fattibile in un giorno. E la verifica contro il sospetto di memorizzazione consiste in una ricerca testuale condotta su 1.891.392 scene: trova la medesima etichetta, non il medesimo movimento.

Un banco di prova indipendente: VLA-Arena

Giudicare un annuncio richiede un riferimento misurato da qualcun altro. Ce n'è uno: si chiama VLA-Arena, nasce in un gruppo dell'università di Pechino, è stato accettato a ICML 2026 e pubblica tutto — banco di prova, dati, codice e classifica.

Il principio: trasformare la difficoltà in una variabile sotto controllo. Il training avviene unicamente sul livello base; la valutazione su due livelli mai visti, incrociando perturbazioni del testo e dell'immagine. Applicandolo a sei modelli considerati lo stato dell'arte, il responso recita "memorizzazione invece di generalizzazione". Tra i numeri, uno merita di comparire qui:

Sulle abilità atomiche i sei modelli oscillano tra il 66% e il 93%. Alla richiesta di eseguirne due in sequenza cadono tutti a zero, o poco sopra, con varianza nulla in tre ripetizioni: non è rumore statistico, è un muro. Passando al robot fisico, la media scende dal 60% del livello base al 3,3% del secondo livello. E la concatenazione di più dimostrazioni è esattamente fra le capacità che GEN-1.5 mostra in video.

C'è poi un secondo esito, di portata più strutturale. Modelli di questo tipo nascono innestando un grande modello visuo-linguistico su un robot; VLA-Arena misura quanto ne sopravvive dopo il riaddestramento. Sotto le perturbazioni visive più severe, il modello d'origine perde il 6,7% nella capacità di riconoscere gli oggetti; i modelli robotici che ne discendono ne perdono il 50,5%. La ricetta corrente del settore, in altri termini, parte da un modello capace di generalizzare e lo allena finché non lo dimentica. Su questo va dato atto a Generalist di una cosa: adattare in dieci passi anziché riaddestrare è anche la maniera di tenersi alla larga da un simile disastro.

C'è infine la sicurezza, che il banco traccia come asse autonomo, scorporato dal successo: un episodio può anche riuscire violando i vincoli — urtando, spingendo, rovesciando. Sul robot fisico, già al primo livello di difficoltà, sei episodi su dieci sono stati classificati come non sicuri. Per chi stesse valutando l'adozione di un sistema simile in reparto, questa voce non figura nel tasso di successo: figura nella responsabilità.

Per correttezza: i modelli sotto esame in VLA-Arena sono aperti, di taglia media, riaddestrati su cinquanta dimostrazioni per compito. Appartengono a un'altra categoria rispetto a un modello cresciuto su 500.000 ore, e non smentiscono GEN-1.5. La loro funzione è un'altra: indicare quanto sia straordinaria la pretesa, e di conseguenza quante prove occorrano prima di prestarvi fede.

Lo statuto delle prove disponibili

Abbiamo cercato di rispondere alla domanda più ovvia. Risposta: nessun osservatore indipendente. Del modello esistono un post, alcuni video e un messaggio su X. Ogni articolo di stampa rintracciato, comprese le testate di settore, discende dal post: "l'azienda ha annunciato", "secondo l'azienda", con link al blog. Nessun giornalista ha assistito a una dimostrazione dal vivo; nessuno ha potuto suggerire un compito di propria scelta.

Il particolare che ci ha insegnato di più è però un altro. Ad aprile, nel post di GEN-1, l'azienda precisa: "questi video sono a velocità 1x e completamente autonomi, non sono accelerati"; marca singolarmente le clip velocizzate e dichiara le ripetizioni consecutive senza intervento — 86 di seguito, 200, 1.800. Proprio la dicitura corretta, visto che esclude la selezione del tentativo andato bene, abitudine diffusa nei video di robotica.

Nel post di GEN-1.5 tutto questo è assente: nessuna parola sulla velocità di riproduzione, sull'autonomia, su quanti tentativi siano serviti per ciascuna clip. La trasparenza arretra esattamente nel rilascio in cui le affermazioni si fanno straordinarie. Da solo non dimostra niente; ma sarebbe la prima cosa che andremmo a controllare.

Vanno riportate anche due circostanze di segno opposto. Le persone esistono e vantano curriculum verificabili; NVIDIA e Bezos Expeditions hanno condotto due diligence prima di mettere i soldi: una scatola vuota non è. E il 25 agosto, ventiquattr'ore dopo, Skild AI ha avanzato una pretesa dalla forma identica — video umano come prompt, nessun riaddestramento — su compiti lunghi dieci minuti, lasciando lo stesso vuoto di prove. La rivendicazione, quindi, non appartiene a un'azienda sola.

Conclusioni: una lista di controllo per la valutazione

La lista di controllo ricavata da questo lavoro si applica a qualunque annuncio di intelligenza artificiale, non soltanto ai robot. Sei domande, disposte in ordine crescente di costo.

1. C'è una prova o c'è un post? Articolo, pesi, codice, banco di prova pubblico. Se mancano tutti e quattro, ciò che avete per le mani è un comunicato stampa, per quanto tecnico possa sembrare il linguaggio.

2. Il numero che vi hanno dato dipende da chi lo presenta? Lo 0,15% dipendeva da quanti passi erano stati fatti. Una cifra che sale o scende girando una manopola non descrive il sistema: descrive la manopola.

3. Rispetto a cosa è misurato? "Confrontato con niente" non vale. Mancando un riferimento, il numero è privo di unità di misura.

4. Come si comporta quando l'ingresso è errato? Se con un'istruzione sbagliata il sistema rende quasi uguale, vuol dire che non la stava leggendo. Su un banco di prova standard, invalidare il comando riduce le prestazioni appena del 28%: quei modelli portavano a termine il compito osservando la scena, incuranti di ciò che veniva richiesto.

5. Il compito mostrato è breve o lungo? I risultati spettacolari durano quasi sempre pochi secondi e contengono un solo punto di fallimento. Le probabilità si moltiplicano tra loro: con il 90% a ogni passo, cinque passi danno il 59%. Pretendete sempre la versione lunga.

6. Chi altro l'ha visto? Non conta quante testate ne hanno scritto: quella misura l'ufficio stampa. Conta chi ha potuto avanzare un compito scelto da sé.

Per porre queste domande non serve essere specialisti di robotica. Serve sapere dove guardare, ed essere disposti ad accettare una risposta come: verosimilmente vero, ma finora dimostrato da nessuno. Che resta, per l'appunto, il nostro giudizio su GEN-1.5.

Note e riferimenti

I dati sui modelli GEN provengono dai tre post aziendali di Generalist AI — GEN-0 (novembre 2025), GEN-1 (aprile 2026), GEN-1.5 (agosto 2026) — non esistendo articoli scientifici su questi modelli. Per Skild AI: l'annuncio di S1 (25 agosto 2026).

I lavori scientifici utilizzati nell'indagine:

• B. Zhang et al., VLA-Arena: An Open-Source Framework for Benchmarking Vision-Language-Action Models, ICML 2026 — arXiv:2512.22539. Il banco di prova indipendente discusso nella quarta sezione.
• L. Fu et al., In-Context Imitation Learning via Next-Token Prediction, 2024 — arXiv:2408.15980. Il precedente dell'apprendimento in contesto senza aggiornamento dei pesi.
• I. Loshchilov, F. Hutter, Decoupled Weight Decay Regularization, ICLR 2019 — arXiv:1711.05101. L'articolo di AdamW, su cui poggia il conto della seconda sezione.
• S. Min et al., Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?, EMNLP 2022 — arXiv:2202.12837. Il precedente metodologico del test a ingresso errato (quarta domanda della lista).