Tesla perde talenti chiave: Sunday Robotics attira gli ingegneri per il suo nuovo progetto, un robot domestico

Tesla sta affrontando una fase particolarmente delicata per le sue divisioni dedicate all'intelligenza artificiale e alla robotica. Una significativa fuga di talenti sta infatti coinvolgendo alcuni dei suoi ingegneri più esperti, attratti non da una grande multinazionale, ma da una piccola startup emergente: Sunday Robotics.

La giovane azienda, appena uscita dalla fase di stealth, ha annunciato un finanziamento da 35 milioni di dollari guidato da Benchmark e Conviction, una cifra modesta rispetto ai bilanci di Tesla, ma sufficiente ad attirare un gruppo impressionante di professionisti chiave provenienti dai team Optimus e Autopilot.

Tra le partenze più rilevanti spiccano nomi come Nishant Desai, veterano del team di machine learning di Tesla; Nadeesha Amarasinghe, ex responsabile delle infrastrutture AI e dei sistemi usati per l'addestramento di FSD e Optimus; e Perry Jia, figura centrale nei programmi di automazione e ora a capo delle operazioni dati in Sunday Robotics. A loro si è aggiunto anche Jason Peterson, recruiter dei programmi Optimus e Robotaxi, segnalando che il fenomeno non è episodico ma strutturale.

Memo: il motivo per cui in molti stanno scegliendo Sunday Robotics

Ma cosa spinge questi ingegneri a lasciare Tesla per un progetto così giovane? Sunday Robotics propone una visione diversa rispetto all'ambizioso, ma ancora lontano dalla realtà commerciale, robot umanoide di Tesla, Optimus. Il loro primo prodotto, chiamato Memo, è un robot domestico su ruote, progettato per occuparsi di mansioni quotidiane come lavare i piatti o piegare la biancheria.

Rinunciando alla complessità della locomozione bipede, la startup può concentrarsi su destrezza, affidabilità e semplicità strutturale. Dal punto di vista tecnico, Sunday sta percorrendo una strada innovativa anche nella raccolta dati. A differenza di Tesla, che utilizza costose sessioni in VR con tute di teleoperazione, la startup impiega un guanto da 200 dollari, chiamato Skill Capture Glove.

Distribuito a centinaia di persone comuni, permette di registrare milioni di episodi reali d'uso in ambienti domestici autentici, completi di imperfezioni, illuminazioni difficili e imprevisti quotidiani. Un approccio "crowdsourced" che ha permesso di costruire un dataset di 10 milioni di episodi, considerato dalla startup un vero "momento ChatGPT" per il movimento fisico.