Machenta raccoglie 40 mln $ seed per un modello robotico che impara un compito da una sola dimostrazione
Machenta, spinout dell'Imperial College London, chiude un seed da 40 mln $ guidato da Creandum e Union Square Ventures, addestrato solo in simulazione.
Machenta, società londinese di robotica nata dall'Imperial College London, ha annunciato il 27 ottobre 2026 un round seed da 40 milioni di dollari. Lo hanno guidato Creandum e Union Square Ventures. Tech.eu e lo stesso Imperial College descrivono l'operazione come il più grande seed mai raccolto da una società britannica di robotica.
L'azienda sta costruendo un modello di base per robot, addestrato una volta e poi applicato a molti compiti. L'elemento distintivo sono i dati di addestramento: il modello viene preaddestrato esclusivamente su dati simulati, senza riprese del mondo reale né dimostrazioni umane, cosa che secondo la società aggira i problemi di riservatezza e di accesso ai dati che rallentano i concorrenti. Machenta afferma che un robot può eseguire un compito subito dopo averlo visto dimostrare una volta, e che bastano una o due dimostrazioni reali per ogni nuovo compito. Il team ha mostrato un unico modello impegnato in lavori quotidiani come imballaggio, assemblaggio e riordino su diversi corpi robotici, humanoid compresi. I compiti di precisione e i movimenti complessi restano difficili.
I fondatori sono il professor Edward Johns, cofondatore e amministratore delegato nonché professore di apprendimento robotico al dipartimento di informatica dell'Imperial College, e Vitalis Vosylius, dottorando nello stesso ateneo. L'Imperial College precisa che tra i cofondatori figurano altri colleghi del suo laboratorio di apprendimento robotico. Le risorse serviranno a scalare il modello, acquistare più capacità di calcolo, generare più dati simulati e avviare un nuovo ufficio con laboratorio a King's Cross, a Londra. Da notare che Machenta continua a definirsi una società di ricerca, senza piani di commercializzazione a breve termine.
Il round arriva in un angolo ben finanziato del deep tech. Tech Funding News, citando Crunchbase, conta 47,4 miliardi di dollari di capitale di rischio investiti nell'intelligenza artificiale fisica a livello globale in 521 operazioni nel primo semestre 2026. «L'intelligenza non sta tanto in ciò che si sa già fare, quanto nella rapidità con cui si impara qualcosa di nuovo», ha dichiarato Johns. Kathi Wilhelm, partner di Creandum, ha osservato che i robot diventano molto più utili quando riescono a cogliere un compito nuovo e mettersi subito al lavoro, aggiungendo che pochissimi team nella robotica possono vantare un corpus di ricerca comparabile. Rebecca Kaden, managing partner di Union Square Ventures, ha riassunto l'esigenza in un'intelligenza artificiale di uso generale capace di adattarsi con la rapidità di una persona. La professoressa Mary Ryan, prorettrice per la ricerca e il trasferimento tecnologico dell'Imperial College, ha detto che il successo iniziale della società indica un'opportunità per il Regno Unito di primeggiare nella robotica abilitata dall'intelligenza artificiale.
Perché conta per i fondatori AgriTech: la robotica agricola inciampa meno sull'hardware che sul costo di insegnare alla macchina ogni nuovo lavoro. Ogni coltura, varietà, sistema di allevamento e disegno di campo è in pratica un compito diverso, e la finestra per raccogliere esempi reali si apre una volta all'anno, per poche settimane, con un tempo meteorologico che nessuno governa. È esattamente il vincolo che questo round finanzia per aggirarlo. Tre conseguenze. Primo: se il preaddestramento in simulazione tiene fuori dal laboratorio, la barriera all'ingresso nella robotica agricola smette di essere il dataset di campo esclusivo con cui ancora si aprono molte presentazioni, e diventa il simulatore e la libreria dei compiti. Secondo: verifichi con onestà se la sua roadmap presuppone migliaia di dimostrazioni reali per coltura, perché quell'ipotesi oggi è un rischio e non una difesa. Terzo: guardi dove va il denaro. Uno spinout universitario senza prodotto raccoglie 40 mln $ per lo strato del modello, mentre gli strati applicativi agricoli raccolgono pochi milioni. Questo suggerisce di essere il più rapido ad adottare il modello di base di qualcun altro invece di addestrarne uno proprio. Si chieda quali parti del suo stack tecnologico preferirebbe affittare fra due anni anziché possedere.
Machenta raccoglie 40 mln $ seed per un modello robotico che impara un compito da una sola dimostrazione
Creandum e Union Square Ventures guidano il round di questa società nata dall'Imperial College London, il cui modello viene preaddestrato interamente in simulazione, senza dati del mondo reale né dimostrazioni umane.
Machenta, società londinese di robotica nata dall'Imperial College London, ha annunciato il 27 ottobre 2026 un round seed da 40 milioni di dollari. Lo hanno guidato Creandum e Union Square Ventures. Tech.eu e lo stesso Imperial College descrivono l'operazione come il più grande seed mai raccolto da una società britannica di robotica.
L'azienda sta costruendo un modello di base per robot, addestrato una volta e poi applicato a molti compiti. L'elemento distintivo sono i dati di addestramento: il modello viene preaddestrato esclusivamente su dati simulati, senza riprese del mondo reale né dimostrazioni umane, cosa che secondo la società aggira i problemi di riservatezza e di accesso ai dati che rallentano i concorrenti. Machenta afferma che un robot può eseguire un compito subito dopo averlo visto dimostrare una volta, e che bastano una o due dimostrazioni reali per ogni nuovo compito. Il team ha mostrato un unico modello impegnato in lavori quotidiani come imballaggio, assemblaggio e riordino su diversi corpi robotici, humanoid compresi. I compiti di precisione e i movimenti complessi restano difficili.
I fondatori sono il professor Edward Johns, cofondatore e amministratore delegato nonché professore di apprendimento robotico al dipartimento di informatica dell'Imperial College, e Vitalis Vosylius, dottorando nello stesso ateneo. L'Imperial College precisa che tra i cofondatori figurano altri colleghi del suo laboratorio di apprendimento robotico. Le risorse serviranno a scalare il modello, acquistare più capacità di calcolo, generare più dati simulati e avviare un nuovo ufficio con laboratorio a King's Cross, a Londra. Da notare che Machenta continua a definirsi una società di ricerca, senza piani di commercializzazione a breve termine.
Il round arriva in un angolo ben finanziato del deep tech. Tech Funding News, citando Crunchbase, conta 47,4 miliardi di dollari di capitale di rischio investiti nell'intelligenza artificiale fisica a livello globale in 521 operazioni nel primo semestre 2026. «L'intelligenza non sta tanto in ciò che si sa già fare, quanto nella rapidità con cui si impara qualcosa di nuovo», ha dichiarato Johns. Kathi Wilhelm, partner di Creandum, ha osservato che i robot diventano molto più utili quando riescono a cogliere un compito nuovo e mettersi subito al lavoro, aggiungendo che pochissimi team nella robotica possono vantare un corpus di ricerca comparabile. Rebecca Kaden, managing partner di Union Square Ventures, ha riassunto l'esigenza in un'intelligenza artificiale di uso generale capace di adattarsi con la rapidità di una persona. La professoressa Mary Ryan, prorettrice per la ricerca e il trasferimento tecnologico dell'Imperial College, ha detto che il successo iniziale della società indica un'opportunità per il Regno Unito di primeggiare nella robotica abilitata dall'intelligenza artificiale.
Perché conta per i fondatori AgriTech: la robotica agricola inciampa meno sull'hardware che sul costo di insegnare alla macchina ogni nuovo lavoro. Ogni coltura, varietà, sistema di allevamento e disegno di campo è in pratica un compito diverso, e la finestra per raccogliere esempi reali si apre una volta all'anno, per poche settimane, con un tempo meteorologico che nessuno governa. È esattamente il vincolo che questo round finanzia per aggirarlo. Tre conseguenze. Primo: se il preaddestramento in simulazione tiene fuori dal laboratorio, la barriera all'ingresso nella robotica agricola smette di essere il dataset di campo esclusivo con cui ancora si aprono molte presentazioni, e diventa il simulatore e la libreria dei compiti. Secondo: verifichi con onestà se la sua roadmap presuppone migliaia di dimostrazioni reali per coltura, perché quell'ipotesi oggi è un rischio e non una difesa. Terzo: guardi dove va il denaro. Uno spinout universitario senza prodotto raccoglie 40 mln $ per lo strato del modello, mentre gli strati applicativi agricoli raccolgono pochi milioni. Questo suggerisce di essere il più rapido ad adottare il modello di base di qualcun altro invece di addestrarne uno proprio. Si chieda quali parti del suo stack tecnologico preferirebbe affittare fra due anni anziché possedere.