Le fluttuazioni di temperatura e, in generale, le condizioni climatiche possono influenzare in modo significativo la composizione chimica delle uve e, di conseguenza, il gusto e gli aromi del vino. Allo stesso tempo, avere una mappatura climatica completa del vigneto è un argomento impegnativo. Le soluzioni tradizionali si basano sull’utilizzo di sensori dislocati in punti strategici. Tuttavia, in molti casi, la disseminazione di un gran numero di sensori fissi in grado di monitorare i parametri ambientali in modo capillare è impraticabile in termini di costi e vincoli di spazio. Per questo motivo, sono state immaginate alcune soluzioni alternative combinando un numero limitato di sensori e soluzioni di intelligenza artificiale per costruire modelli predittivi precisi [1][2][3]. Una nostra recente ricerca ha esplorato la possibilità di sfruttare un robot agricolo che esegue compiti ripetitivi, come il diserbo, per raccogliere informazioni capillari durante il suo percorso [4]. Il basso costo per dotare i robot agricoli esistenti di sensori dedicati e i progressi tecnologici dell’intelligenza artificiale costituiscono i fattori abilitanti da esplorare e sfruttare in questo settore applicativo. In questa ricerca si è cercato di rendere “esperto” il percorso del robot agricolo per combinare al meglio le sue attività operative con l’acquisizione di dati e la ricarica energetica. In particolare, è stata utilizzata la tecnica del Reinforcement Learning per imparare dal passato e identificare la migliore traiettoria e lo schema di arresto che il robot dovrebbe seguire in una specifica situazione contestuale. Allo stesso tempo, sono state applicate reti convoluzionali e ricorrenti per scoprire le correlazioni, rispettivamente spaziali e temporali, nei valori dei parametri ambientali monitorati e guidare ulteriormente le decisioni del robot. In sintesi, l’uso di sensori mobili accompagnato da tecniche avanzate di intelligenza artificiale può essere un valido strumento per creare un “gemello digitale” del vigneto per monitorare e stimare l’andamento di specifiche grandezze climatiche, come temperatura e umidità, ma anche, in futuro, lo stadio fenologico di ogni pianta e lo sviluppo di patogeni. La combinazione di tutti questi strumenti può portare a una nuova generazione di sistemi di supporto decisionale per la viticoltura, che aiutano non solo a prevenire le malattie delle piante, a prevederne e ottimizzarne la crescita, ma anche a ottimizzare l’uso delle risorse, come energia, acqua e pesticidi, per aumentare la qualità del prodotto riducendo lo spreco di risorse preziose.