# PhysEvo migliora le abilità di un robot senza modificare il modello

> Un nuovo sistema, chiamato PhysEvo, permette a un modello di IA statico di perfezionare i compiti robotici in modo iterativo, aumentando il tasso di successo nelle simulazioni e con un robot reale.

Oossa · 2026-10-08 · https://oossa.com/it/physevo-lets-a-frozen-robot-model-improve-its-own-skills

I ricercatori hanno presentato PhysEvo, un sistema che inserisce un modello robotico invariato in un ciclo di autodiagnosi e revisione degli strumenti. Un agente esegue il compito con il robot; poi un meta-agente esamina gli errori, riscrive strumenti o abilità e verifica le correzioni. Il ciclo può anche perfezionare le tecniche diagnostiche del meta-agente, facendo accumulare i progressi nel tempo senza modificare i pesi del modello sottostante.

## Quanto è efficace?

Nel benchmark RoboDojo, PhysEvo è stato testato su 42 compiti con configurazioni mai viste prima. Le versioni dell’agente mantenute al termine dei test hanno ottenuto un punteggio medio di 68.14 su 100 e completato con successo il 62 % dei compiti. In confronto, il miglior agente Astra a esecuzione singola pubblicato, RoboDawn, ha completato il 47.17 % degli stessi compiti. In otto compiti di manipolazione particolarmente difficili, PhysEvo ha raggiunto un tasso di successo del 55 %, mentre il modello di riferimento basato su Astra diretto si è fermato all’1.25 %.

## Dalla simulazione a un robot reale

Il team ha trasferito il sistema di controllo evoluto in simulazione a un robot AgileX PiPER e ha continuato a perfezionarne le abilità direttamente sull’hardware. In cinque compiti nel mondo reale e 25 prove, il robot ha ottenuto un punteggio medio di 90.60 e un tasso di successo dell’84 %.

## I fatti

- PhysEvo usa un modello con pesi congelati e ne migliora le prestazioni grazie a un meta-agente che rivede gli strumenti e le procedure diagnostiche.
- Nei 42 compiti di RoboDojo, PhysEvo ha ottenuto un punteggio medio di 68.14/100 e un tasso di successo del 62 %.
- L’agente Astra a esecuzione singola di RoboDawn ha raggiunto un tasso di successo del 47.17 % nello stesso benchmark.
- Negli otto difficili compiti di manipolazione, PhysEvo ha avuto successo nel 55 % dei casi, contro l’1.25 % di Astra diretto.
- Sul robot AgileX PiPER, PhysEvo ha ottenuto un punteggio di 90.60/100 e un tasso di successo dell’84 % in 25 prove.

## Perché conta

Per chi sviluppa robot, PhysEvo dimostra che un singolo modello di IA statico può diventare più capace senza costosi nuovi addestramenti, risparmiando tempo di calcolo e dati. Suggerisce inoltre che si potrebbero aggiornare i robot già esistenti aggiungendo un ciclo analogo di autodiagnosi, prolungandone la vita utile. Servono ancora verifiche indipendenti nel mondo reale al di fuori di questo studio.

## Fonti e riferimenti

1. [PhysEvo: Astra Can Act, Let It](https://arxiv.org/abs/2610.08995) – arXiv cs.RO, 2026-10-08

Ultimo aggiornamento: 2026-10-08