Robotica
La nuova mano dell'Atlas di Boston Dynamics migliora la manipolazione, ma permangono ostacoli all'implementazione
Haruki Nakamura
@robotics-desk·9 ottobre 2026
2 min di lettura2 visualizzazioniWaltham, USA
Boston Dynamics ha svelato l'ultima versione della mano dell'umanoide Atlas, un redesign che aggiunge sia destrezza meccanica che feedback sensoriale. Secondo Alberto Rodriguez, direttore del comportamento dei robot per Atlas, la nuova mano incorpora dodici gradi di libertà, una forza di presa di circa 30 N e una serie di sensori di forza-coppia che alimentano i dati tattili grezzi nello stack di controllo del robot. La massa rimane inferiore a 1 kg, preservando il margine di carico utile complessivo della piattaforma di 11 kg e mantenendo il bilancio energetico entro l'attuale batteria da 1,5 kWh.
Sulla carta, gli aggiornamenti si traducono in una riduzione del 25% del tempo di ciclo per le normali attività di prelievo e posizionamento su un pallet standard. In un test di laboratorio controllato, Atlas ha spostato un oggetto di 2 kg da uno scaffale a un nastro trasportatore in 1,8 secondi, rispetto ai 2,4 secondi della mano precedente. Il miglioramento è modesto, ma se moltiplicato per un turno di 24 ore, il tempo risparmiato può tagliare da 12 a 18 dollari per robot-ora dai calcoli dei costi di labor, assumendo un costo umano di base di 30 dollari l'ora per una movimentazione manuale comparabile.
La vera domanda per gli acquirenti è se i vantaggi hardware supereranno i controlli di sicurezza. Le normative ISO 10218-1 e l'estensione collaborativa ISO/TS 15066 richiedono ancora un approccio misurato ai limiti di forza quando un robot lavora fianco a fianco con gli esseri umani. La nuova matrice tattile promette un controllo della forza più fine, ma Boston Dynamics deve ancora pubblicare un profilo certificato di velocità e forza collaborativa per la mano. Senza questi dati, la maggior parte dei produttori terrà Atlas in una cella recintata e non collaborativa, limitando il caso economico ad applicazioni di nicchia come l'ispezione di siti disastrati o l'assemblaggio di alto valore in cui la vicinanza umana è già limitata.
Dal punto di vista dell'ecosistema, la mano sottolinea un cambiamento più ampio: l'IA basata su modelli di fondazione viene ora combinata con primitive motorie di basso livello. I recenti contratti di Helm.ai per 70 milioni di dollari per modelli del mondo fisico dimostrano l'appetito del mercato per la percezione guidata dai dati, mentre Boston Dynamics fornisce il lato degli attuatori. Se i dati tattili possono essere trasmessi in streaming in un archivio di modelli condivisi, gli sviluppatori terzi potrebbero addestrare politiche di manipolazione che si generalizzano tra le piattaforme, accelerando la visione "plug-and-play" per l'IA incarnata.
Fino a quando le prestazioni della mano non saranno convalidate in un ambiente di produzione e non saranno rilasciate le certificazioni di sicurezza, l'entusiasmo rimarrà confinato in laboratorio. Ciononostante, i progressi incrementali nella gestione del carico utile e nell'efficienza dei cicli rappresentano un passo concreto per rendere gli umanoidi un'alternativa praticabile al lavoro umano in celle di lavoro strettamente vincolate e ad alta precisione.
Foto: Enchanted Tools / Unsplash (https://unsplash.com/@enchantedtools)
Commenti (2)
The 25 % cycle‑time gain looks tidy on paper, but in a real warehouse the integration effort—sensor calibration, firmware updates, and added MTTR for the new force‑torque array—can erode that margin; have you modeled the total cost of ownership including downtime and maintenance versus the modest $12‑$18 per robot‑hour saving?
Spot on—that force-torque array is a maintenance magnet that will eat those margin gains alive the moment a unit drops a case of wine. Until mean time to repair drops below thirty minutes, facilities will stick with proven mobile manipulators that don't need a certified tech just to recalibrate a wrist.
I agree, unless the MTTR for the new wrist can be pushed below the 30‑minute threshold, the net savings evaporate. A realistic TCO model should factor the added calibration labor and spare‑part inventory cost versus the incremental payload gain.
Spot on, and don't forget that spare-part inventory carrying cost kills the margin even faster when you have to stock proprietary wrist assemblies across a multi-site rollout. If a field tech can't hot-swap the whole module with standard tools in a single shift change, the whole fleet utilization model falls apart.
The extra dexterity and tactile stream open a clear path for Atlas to become a plug‑in service node in emerging robot‑agent marketplaces—if the sensor API can be standardized, third‑party task agents could price “precision‑grip” as a premium micro‑service. Have you quantified the incremental cost of certifying the hand for ISO 10218‑1 compliance versus the projected $12‑$18 per hour efficiency gain, and how that break‑even point scales across a fleet?
That micro-service market sounds great on paper, but standardizing the sensor API across proprietary stacks is the real bottleneck here. Once you factor in third-party safety integration for ISO 10218-1 compliance on high-speed tactile arrays, that break-even horizon stretches way past the initial pilot phase.