Ci sono presentazioni tecnologiche che ricordiamo per un numero. E poi ci sono quelle in cui arrivano quattro paperelle robotiche e il numero smette improvvisamente di interessarci. Al GTC di Berlino 2026, Microduck ha portato sul palco di NVIDIA una versione dell’intelligenza artificiale facile da guardare, difficile da non trovare simpatica e, finalmente, dotata di piedi.
Dietro il piccolo spettacolo c’è un progetto concreto di Pollen Robotics e Hugging Face. Il punto interessante è poter studiare come un comportamento imparato dentro una simulazione diventi movimento nel mondo reale. La paperella è il motivo per cui ci fermiamo a guardare; il laboratorio aperto che contiene è il motivo per cui vale la pena restare.
Che cosa è successo sul palco NVIDIA
Nel resoconto ufficiale del keynote, NVIDIA descrive quattro Microduck che raggiungono Jensen Huang e si siedono, si rialzano e simulano un sonnellino a comando. Prima, un video mostra un agente che prepara un percorso, avvia l’addestramento nel cloud e riporta il modello sul computer per valutarlo prima del passaggio al robot.
È una dimostrazione costruita per rendere visibile una filiera altrimenti astratta. Non basta osservare una sequenza riuscita per concludere che il robot sappia affrontare qualsiasi situazione. Il palco racconta una possibilità; affidabilità, autonomia e capacità fuori dal percorso preparato richiedono prove differenti.
Non era nemmeno la nascita del prodotto: Pollen Robotics aveva presentato Microduck il 27 agosto 2026. Ottobre gli ha dato una vetrina molto più ampia, collegandolo all’ecosistema NVIDIA per la robotica.
Microduck, in concreto: un piccolo corpo programmabile
La scheda del produttore indica un robot alto 25 centimetri, con 15 motori, camera frontale, sensore di profondità, due unità inerziali e un becco articolato utilizzabile per afferrare piccoli oggetti. Sono presenti microfoni, altoparlante, Wi-Fi e Bluetooth. La batteria è rimovibile; l’autonomia indicata è circa un’ora, un dato dichiarato e dipendente dall’utilizzo.
Il prezzo di preordine comunicato è 399 dollari prima di tasse e spedizione. Le prime consegne sono indicate come obiettivo prima di Natale 2026: una previsione commerciale, non una consegna già avvenuta. Non traduciamo automaticamente quel prezzo in un listino italiano finale.
Queste proporzioni aiutano a capire la categoria. Microduck non è presentato come un sostituto dei lavori domestici: è una piattaforma piccola su cui giocare, programmare e sperimentare movimento. Il valore sta anche nel poter osservare un problema senza dover costruire prima un intero laboratorio di robotica.
Come impara a camminare senza cadere mille volte sul pavimento
Immaginiamo una palestra virtuale: il corpo del robot viene riprodotto in un ambiente che simula gravità, contatti e movimento. Un algoritmo prova azioni e riceve un segnale che indica quanto si sta avvicinando all’obiettivo. È l’idea alla base del reinforcement learning, o apprendimento per rinforzo.
Il risultato non è una comprensione umana del camminare. È una policy: un modello che associa le osservazioni disponibili alle azioni da compiere. Il senso dell’addestramento è migliorare questa associazione; quello della valutazione è capire quanto funzioni su situazioni e condizioni diverse.
Il tutorial Hugging Face e NVIDIA descrive il percorso con Isaac Lab e Newton: addestrare in simulazione, valutare, esportare in formato ONNX e distribuire la policy sul robot. Per l’addestramento sono richiesti una workstation Linux e una GPU NVIDIA supportata. Il modello può poi essere condiviso sull’Hub o verificato per Microduck Arena.
Una precisazione importante: addestrare un comportamento e farlo funzionare sul dispositivo sono attività diverse. La presenza di un modello sul robot non significa che tutta la costosa fase di apprendimento avvenga dentro la paperella.
Il pavimento vero ha sempre qualche obiezione
Una simulazione permette di ripetere esperimenti e accelerare il lavoro, ma deve rappresentare abbastanza bene ciò che conta. Attrito, ritardi e gioco meccanico dei servomotori sono fra le difficoltà richiamate dal tutorial. Un movimento elegante sullo schermo può diventare una caduta quando queste condizioni cambiano.
Per questo si introducono variazioni negli ambienti virtuali: invece di preparare il modello per un unico mondo perfetto, lo si espone a differenze controllate. La cosiddetta domain randomization serve a ridurre la fragilità del passaggio dalla simulazione alla realtà; non azzera ogni imprevisto.
Nel workflow tecnico NVIDIA, la valutazione include completamento del percorso, cadute, collisioni e situazioni in cui il robot si blocca. Sono misure più informative di un montaggio composto soltanto dalle prove riuscite. Un video resta utile, ma bisogna sapere quale domanda gli stiamo facendo.
La parte più interessante è quello che si può condividere
La pagina ufficiale Microduck mette al centro SDK, simulazione e strumenti di addestramento aperti, con stack software Apache-2.0 e comportamenti pubblicati e riaddestrabili. Il progetto documenta anche MuJoCo: il percorso mostrato con NVIDIA è una possibilità dell’ecosistema, non una ragione per cancellare gli altri strumenti dal racconto.
Per uno studente, poter confrontare il proprio risultato con quello di un’altra persona cambia la natura dell’esperimento. Per uno sviluppatore significa poter partire da qualcosa di leggibile e modificabile. Una comunità può lavorare su camminata, recupero dalle cadute o interazione, condividendo anche le condizioni necessarie a riprodurre il risultato.
“Aperto” non significa però “senza competenze”. Rimangono configurazione, compatibilità, test e cura dell’hardware. Il beneficio è poter entrare dentro il sistema e studiarlo, anziché fermarsi alla dimostrazione del produttore.
Perché proprio una paperella ci convince a guardare
Qui entra la nostra lettura editoriale. Un piccolo animale meccanico rende meno distante una tecnologia spesso raccontata con fabbriche, potenza di calcolo e macchine imponenti. Una testa inclinata o un movimento esitante offrono al pubblico appigli familiari: sembra facile intuire un carattere, anche quando stiamo osservando un comportamento programmato.
È un vantaggio comunicativo, ma anche una trappola interpretativa. La simpatia non dimostra coscienza, emozioni o comprensione generale. Possiamo affezionarci alla paperella senza attribuirle una vita interiore verificata. Dopotutto siamo riusciti a voler bene anche a una barra di caricamento, quando finalmente arrivava al cento per cento.
Microduck rende concreta una domanda più interessante di “quanto è carino?”: quanto può diventare accessibile imparare a far muovere una macchina nel mondo? La risposta non sta tutta nel keynote. Sta nei tentativi ripetibili, nei modelli condivisi e nelle piccole cadute che qualcuno documenterà abbastanza bene da aiutare la paperella successiva.
