Traffico dei robot in magazzino: 25% in più, in simulazione

Dentro un magazzino automatizzato centinaia di robot corrono lungo le corsie, e un piccolo ingorgo si propaga: chi si ferma blocca chi arriva, e in pochi minuti la coda diventa una perdita di produttività su tutto l’impianto. Un gruppo del MIT insieme all’azienda Symbotic ha pubblicato un metodo che decide, istante per istante, quale robot passa prima. Il numero dichiarato è 25 per cento di produttività in più, ed è in simulazione: una parola che cambia il peso della cifra.

Il problema non è muoversi, è decidere chi passa

Coordinare centinaia di robot in un magazzino di e-commerce è difficile per una ragione precisa: l’ambiente non sta fermo. I robot ricevono un compito nuovo appena finito il precedente, entrano ed escono dal piano, e vanno rediretti continuamente.

Le aziende, scrive MIT News nell’articolo del 26 marzo 2026, si affidano in genere ad algoritmi scritti da esperti umani per decidere dove e quando i robot devono muoversi. Funzionano, e restano fissi: la regola di precedenza è quella che l’esperto ha previsto, non quella che serve in quel momento.

La novità del metodo non è calcolare percorsi migliori, è scegliere l’ordine di priorità mentre la congestione si sta formando, e darla ai robot che stanno per restare bloccati. Detto in una riga: invece di sbrogliare l’ingorgo, lo previene spostando in avanti chi lo causerebbe.

Come è fatto: due pezzi, non uno

Il sistema è dichiaratamente ibrido, e la divisione dei compiti è la parte interessante.

Il primo pezzo è una rete addestrata con apprendimento per rinforzo profondo: osserva lo stato del magazzino e decide quali robot hanno la precedenza. È il pezzo che impara, e che sostituisce la regola scritta a mano.

Il secondo pezzo è un pianificatore rapido e affidabile che prende quella decisione e la traduce in istruzioni concrete ai robot. È il pezzo che non impara, e che garantisce una risposta in tempi compatibili con macchine che si muovono.

Questa separazione è la ragione per cui il metodo può reggere in un ambiente che cambia: la parte lenta e statistica decide le priorità, la parte veloce e deterministica esegue. Un sistema tutto appreso avrebbe il problema opposto: reagisce bene in media e non dà garanzie sul singolo istante.

Perché il 25 per cento va letto con il metro degli autori

Nelle simulazioni, ispirate a layout di magazzini di e-commerce reali, il guadagno dichiarato è di circa il 25 per cento di produttività rispetto agli altri metodi. Preso da solo, è un numero che non dice quasi niente: rispetto a cosa, in che condizioni, con quanti robot.

Il metro lo forniscono gli stessi ricercatori, e conviene tenerlo. Han Zheng, primo autore, dice che in magazzini di quella dimensione anche un aumento del 2 o 3 per cento di produttività ha un impatto enorme. È una frase che ridimensiona e allo stesso tempo spiega: significa che il margine su cui si lavora è compressissimo, e che un metodo che ne guadagna venticinque in simulazione sta operando su una scala dove i concorrenti si giocano i decimali.

Ci sono molti problemi di decisione nella manifattura e nella logistica in cui le aziende si affidano ad algoritmi progettati da esperti umani.

Il lavoro è pubblicato sul Journal of Artificial Intelligence Research, e fra i coautori ci sono due persone di Symbotic, cioè di un’azienda che costruisce sistemi di magazzino. Non è un dettaglio da nascondere né da sopravvalutare: significa che il problema è posto come lo pone chi lo ha in casa, e che chi ha interesse a un risultato positivo ha partecipato al lavoro. Entrambe le cose sono vere insieme.

Cosa manca per passare dal simulatore al reparto

Questa è la sezione che l’entusiasmo salta, ed è quella che decide se il 25 per cento arriverà da qualche parte.

Un simulatore ispirato a un magazzino reale non è un magazzino reale: non ha i pacchi che cadono, i pallet fuori posto, le persone che attraversano una corsia, i robot con una ruota consumata che sterzano di due gradi in più. Ogni magazzino ha inoltre un sistema di gestione già installato, e sostituire il modulo che decide le precedenze significa toccare la parte da cui dipende la produttività dell’impianto: nessuno lo fa su un turno di punta per provare.

C’è poi la domanda che in un impianto vero viene prima di tutte: cosa fa il sistema quando sbaglia. Un pianificatore scritto a mano ha un comportamento prevedibile anche nei casi che l’esperto non aveva previsto, perché la regola è leggibile. Una politica appresa va accompagnata da limiti operativi dichiarati, e quei limiti sono la cosa che un responsabile di impianto chiede prima del guadagno percentuale. In Europa la richiesta non è solo una buona pratica di reparto: per una macchina il cui comportamento non è fisso, la documentazione di sicurezza è parte di quello che il costruttore deve consegnare, e dal 20 gennaio 2027 lo deve fare sotto un testo nuovo (cosa cambia con il regolamento macchine).

Il 25 per cento non è la frase del paper

C’è una cosa che si vede solo aprendo il lavoro pubblicato, e cambia come si cita questo risultato.

Il paper, “Learning-guided Prioritized Planning for Lifelong Multi-Agent Path Finding in Warehouse Automation”, è uscito sul volume 85 del Journal of Artificial Intelligence Research il 24 marzo 2026 e porta cinque firme: Han Zheng, Yining Ma, Brandon Araki, Jingkai Chen e Cathy Wu. Il metodo ha anche un nome, RL-RH-PP, e nel riassunto la rivendicazione è più asciutta di una percentuale: le valutazioni in simulazioni realistiche di magazzino mostrano che ottiene la produttività totale più alta fra i metodi confrontati.

Nel riassunto del lavoro non c’è il 25 per cento. Quel numero arriva dal comunicato dell’ufficio stampa del MIT, che è un modo legittimo di raccontare una ricerca a chi non legge le riviste, ma le due frasi non promettono la stessa cosa. “La più alta fra i metodi confrontati, in simulazione” si controlla leggendo il paper. “25 per cento di produttività in più” richiede che chi lo ripete sappia dire rispetto a cosa, e quasi nessuno lo dice.

Quando un numero passa dall’articolo scientifico al comunicato guadagna precisione apparente e perde il suo riferimento. Vale qui e vale per ogni risultato di ricerca che arriva in prima pagina: la domanda da fare non è “quanto”, è “invece di cosa”.

Il numero da guardare, quando arriverà

Non sarà un’altra percentuale in simulazione: sarà la prima pubblicazione di un dato misurato su un impianto in esercizio, con il numero di robot, le ore di funzionamento e il confronto con il modulo che c’era prima. È il passaggio che questa testata chiama consegnato, e per ora non c’è: c’è una dimostrazione solida, pubblicata su una rivista, con un’azienda del settore fra gli autori.

Fino a quel momento il modo corretto di citare questo lavoro è quello che usano gli autori: un metodo che in simulazione fa il 25 per cento meglio degli altri metodi. Non “i magazzini diventeranno il 25 per cento più veloci”.