Le celle a doppio braccio che combinano il software di Sereact con i bracci di Universal Robots elaborano ora in modo autonomo i capi di moda restituiti nei centri logistici di Zalando a Greven, in Germania, e a Świebodzin, in Polonia. I sistemi Sereact e Universal Robots sono stati installati insieme a CEVA Logistics, che opera per conto di Zalando, piattaforma tecnologica europea per la moda e il lifestyle. I siti di Zalando rappresentano la prima fase di un'iniziativa più ampia per estendere l'automazione dei resi in tutta Europa.
Teradyne Robotics, la capogruppo di Universal Robots e Mobile Industrial Robots, ha annunciato la partnership con Sereact in occasione di NVIDIA GTC Berlin 2026. Le due aziende affermano di aver già fornito centinaia di robot UR, integrati in sistemi a doppio braccio, a clienti operativi in tutta Europa.
La gestione dei resi da Zalando
La piattaforma di physical AI Cortex di Sereact governa i bracci robotici. Nei siti di Zalando si occupa dei capi restituiti e di altri articoli di moda, un compito che il CEO dell'azienda, il dott. Ralf Gulde, definisce tra i più difficili della logistica. Secondo Gulde, i prodotti resi non arrivano quasi mai in una sequenza adatta a un robot. Gli articoli differiscono per forma, orientamento e confezione, e il mix cambia di continuo.
Gulde ha inoltre collegato il lavoro alla normativa. Rimettere rapidamente in vendita la merce restituita, ha spiegato, aiuta i rivenditori a rispettare le norme dell'Unione Europea che vietano di distruggere i prodotti resi o di smaltirli in discarica.
Cosa prevede la partnership
In base all'accordo, Cortex gira sui bracci di Universal Robots per automatizzare attività non strutturate nel retail, nella logistica e nella produzione. Le aziende indicano come applicazioni target il piece picking e lo smistamento, l'induzione degli ordini, il machine tending, il consolidamento dei contenitori, il kitting, l'imballaggio e la movimentazione delle merci. La gestione dei resi e il piece picking sono i due esempi che mettono in primo piano.
Jacob Pascual Pape, chief commercial officer di Teradyne Robotics, ha dichiarato che la soluzione combinata gestisce merci miste, articoli sconosciuti e confezioni di vario tipo. Ha affermato che ha superato la fase di demo o pilota e che è in funzione presso clienti reali. Ha inoltre citato le oltre 100.000 installazioni industriali di prodotti Universal Robots come prova della solidità della piattaforma.
Gulde ha descritto Cortex come un unico modello di produzione. Resi, rifornimento e kitting girano tutti sullo stesso modello, ha spiegato, senza bisogno di riaddestramento per ogni nuovo articolo o compito, e ciò che impara un robot va a vantaggio di tutti gli altri. Sereact sviluppa software che permette ai robot di afferrare, identificare e manipolare oggetti mai visti prima.
La struttura commerciale conta quanto il software. Sereact prevede di raggiungere i clienti attraverso la rete globale di distribuzione e di integratori di Teradyne Robotics. Per rispondere alla domanda e portare la soluzione congiunta in Nord America, Sereact ha aperto in estate la sede statunitense a Charlestown, nel Massachusetts.
Lo stack NVIDIA alla base di Cortex
La tecnologia NVIDIA attraversa l'intera pipeline di sviluppo e distribuzione. Cortex viene addestrato in NVIDIA Isaac Sim, un framework di simulazione aperto, usando i world model aperti NVIDIA Cosmos. Segue un post-addestramento con reinforcement learning nel framework NVIDIA Isaac Lab, con benchmark su hardware Teradyne Robotics prima di qualsiasi distribuzione del modello.
In esercizio, Cortex gira su NVIDIA Jetson Thor direttamente nella cella, dove l'inferenza deve avvenire alla velocità di linea. NVIDIA DGX Spark gestisce sviluppo, validazione e aggiornamenti del modello a livello di sito. Una dimostrazione di Sereact e Universal Robots al GTC Berlin ha mostrato questa configurazione.
Teradyne Robotics utilizza il calcolo NVIDIA anche nei cobot Universal Robots e nelle piattaforme Mobile Industrial Robots. L'azienda ha dichiarato di contribuire con asset robotici SimReady OpenUSD, sia per i prodotti UR sia per quelli MiR, alla SimReady Central Library su Hugging Face. L'obiettivo è permettere agli sviluppatori di trovare e riutilizzare modelli di robot in simulazione con meno lavoro di preparazione degli asset.
Cosa significa per il settore
L'annuncio riguarda soprattutto la distribuzione. Sereact dispone di un software che, per sua stessa dichiarazione, si generalizza tra articoli e compiti diversi. Teradyne Robotics ha una vasta base installata, una rete di partner e un braccio collaborativo già familiare agli integratori. L'unione delle due realtà offre a un fornitore di physical AI un canale verso i clienti che una software house dovrebbe altrimenti costruire da sola. Per Teradyne, aggiunge un caso d'uso di movimentazione non strutturata a una linea di bracci pensata per lavori più ripetitivi.
La scelta dei resi è un banco di prova significativo. I capi di moda restituiti variano per forma, orientamento e confezione, e il mix cambia costantemente. Un sistema in grado di gestire questa varietà si avvicina di più alla manipolazione generale promessa dalla physical AI rispetto a uno tarato su un catalogo fisso. La norma UE contro la distruzione dei resi offre ai retailer una ragione di conformità per investire, un motivo più solido della sola efficienza.
Diversi aspetti restano non dimostrati pubblicamente. Le aziende non forniscono dati su throughput, tasso di successo dei prelievi, uptime o costo per articolo, perciò l'affermazione che il sistema funzioni in produzione si basa sulle loro dichiarazioni e sui siti Zalando citati. La fonte non precisa quanti delle centinaia di sistemi consegnati operino da Zalando, né quanti siano impiegati nei resi rispetto ad altre attività. L'installazione Zalando è descritta come una prima fase, e il più ampio rollout europeo è un'intenzione, non un risultato.
Anche l'affermazione del modello unico richiede una conferma indipendente. Gestire resi, rifornimento e kitting con un solo modello, senza riaddestramento per ogni articolo, ridurrebbe il costo di ingegnerizzazione di ogni nuovo sito. Se ciò valga con clienti, gamme di prodotto e layout diversi lo potranno dire solo nuove installazioni. Il lancio in Nord America è il prossimo banco di prova, perché metterà alla prova lo stesso approccio con nuovi clienti e una nuova base di integratori.
La pipeline dalla simulazione alla distribuzione merita attenzione per un motivo affine. Addestrare in simulazione, fare post-addestramento con reinforcement learning e valutare su hardware reale prima del rilascio è un modo strutturato per limitare i rischi legati agli aggiornamenti del modello. Quanto bene questo processo si adatti alle condizioni caotiche dei magazzini si vedrà nei dati di affidabilità che le aziende non hanno ancora pubblicato.