Pesquisa· atualizado em · 4 min de leitura· Redação Invision

IA em robôs humanoides: por que os avanços ainda não chegam à sua vida

Robôs humanoides com IA avançam em laboratório, mas pesquisadores duvidam que a tecnologia por trás do ChatGPT seja suficiente. Entenda o que muda.

Braços robóticos articulados em uma bancada de laboratório de pesquisa
Imagem ilustrativa: Official Navy Page from United States of America John F. Williams/U.S. Navy · Public domain · origem

Resumo: Pesquisadores de robótica questionam se as mesmas técnicas de IA que impulsionaram chatbots como ChatGPT e Claude bastam para tornar robôs humanoides úteis no mundo real. A notícia importa agora porque empresas como Tesla e Google DeepMind prometem máquinas generalistas em poucos anos, enquanto laboratórios apontam limites concretos de dados e de compreensão física.

Pontos-chave

  • Pesquisadores duvidam que as técnicas de IA usadas em chatbots bastem para tornar robôs humanoides úteis no mundo físico.
  • O Gemini Robotics, do Google DeepMind, executa tarefas treinadas no ALOHA 2, mas falha fora do conjunto de treinamento.
  • Não há base de dados físicos equivalente ao texto usado para treinar modelos de linguagem, o que limita a generalização.
  • World models, defendidos por nomes como Yann LeCun e Fei-Fei Li, são a principal aposta alternativa para robôs raciocinarem sobre o mundo real.
  • Elon Musk prevê venda pública do Optimus até o fim de 2027, enquanto laboratórios seguem céticos sobre prazos.
Nesta matéria

O que está acontecendo com os robôs humanoides?#

O robô Optimus, da Tesla, tem aparecido em vídeos dançando, servindo pipoca ou falhando ao entregar garrafas de água. Para Elon Musk, ele pode se tornar o maior produto da história da empresa e chegar ao público até o fim de 2027, segundo declarações feitas em Davos.

A promessa não é isolada. Marc Andreessen, da Andreessen Horowitz, diz que robótica pode ser a maior indústria do planeta, e Jensen Huang, da Nvidia, afirmou em janeiro que robôs humanoides alcançariam capacidade humana naquele ano. O Morgan Stanley projeta quase 1 bilhão de robôs humanoides até 2050, em um mercado acima de US$ 5 trilhões.

O ponto central da notícia é que esse entusiasmo assume que os avanços de IA por trás de ferramentas como ChatGPT e Claude serão suficientes para dominar a variabilidade infinita do mundo físico.

Por que os pesquisadores desconfiam das promessas?#

Yann LeCun, frequentemente citado como um dos pais da IA, foi direto ao dizer em Davos que nenhuma das empresas que constroem robôs humanoides sabe como torná-los inteligentes o bastante para serem úteis.

Jonathan Hurst, cofundador da Agility Robotics e professor da Oregon State University, explica que fazer um robô parecido com uma pessoa é fácil, mas construir uma máquina que se mova e se comporte fisicamente como alguém é muito mais difícil.

Outra confusão apontada é tratar robôs humanoides como sinônimo de máquinas generalistas, capazes de aprender e executar múltiplas tarefas. Aparência e capacidade não são a mesma coisa.

Como o Google DeepMind está treinando robôs?#

O ALOHA 2, sigla para um sistema de hardware aberto e de baixo custo para teleoperação bimanual, é usado pelo Google DeepMind como bancada de testes para o Gemini Robotics, seu modelo avançado de IA para robótica. O equipamento é formado por dois braços, garras e câmeras.

Controlado pelo Gemini Robotics, o ALOHA 2 consegue montar uma lancheira: colocar pão em um saco, fechar, organizar uvas em um pote e guardar tudo. Não é um lanche gourmet, mas representa um passo objetivo em relação ao que era possível há três anos, segundo a reportagem.

A evolução veio dos chamados robot policies, que definem como o robô avalia o ambiente, planeja o movimento e age. Antes codificados manualmente por engenheiros, esses controles passaram a ser delegados a modelos de visão-linguagem (VLMs) e, depois, a modelos de visão-linguagem-ação (VLAs), como o Gemini Robotics.

Qual é o limite dos modelos visão-linguagem-ação?#

Os VLAs aprendem a partir de vídeos e dados de teleoperação, nos quais humanos conduzem o robô em tarefas específicas. Funciona bem para ações já vistas no treinamento, como fechar um laptop ou pegar ervilhas com pinças, mas falha quando a tarefa sai do conjunto aprendido.

Edward Johns, professor do Imperial College London, resume: um robô Gemini Robotics faz algumas coisas aqui e ali, não o espectro completo de tarefas que uma política realmente generalista exigiria.

A saída usual seria treinar com mais dados, mas não existe um oceano de demonstrações físicas de alta qualidade equivalente ao texto usado para treinar modelos de linguagem. Coletar teleoperação é caro e lento, vídeos de pessoas têm qualidade ruim e robôs no mundo real ainda não são seguros ou confiáveis fora dos laboratórios.

O que são world models e por que podem ser o caminho?#

A principal alternativa aos VLAs é o world model, uma forma de IA treinada com vídeo, varreduras tridimensionais e dados de sensores para prever os resultados de ações no mundo físico. A ideia é representar internamente como objetos se movem, colidem, caem e se deformam.

Se a simulação for fiel o suficiente, o desenvolvimento ficaria mais rápido, barato e seguro, reduzindo testes no mundo real. Robôs com world models poderiam raciocinar sobre o ambiente e antecipar consequências antes de agir.

Nvidia e Google trabalham na tecnologia, e startups como World Labs, cofundada por Fei-Fei Li, e AMI Labs, cofundada por LeCun, levantaram US$ 1 bilhão cada. Ainda assim, por admissão das próprias empresas, é cedo para afirmar quando isso vira produto.

O que isso muda para quem usa IA#

Para quem desenvolve com IA, o recado é calibrar expectativas: o salto dos chatbots para os robôs não é automático, e a escassez de dados físicos de qualidade é um gargalo concreto. A Invision oferece acesso a vários modelos por uma única chave, o que ajuda a testar abordagens diferentes sem contratos separados, sem promessa de preço.

Vale acompanhar de perto os modelos de visão-linguagem-ação e os world models, porque eles definem o que será possível integrar em produtos de automação física nos próximos anos.

Perguntas frequentes

Robôs humanoides vão substituir trabalhadores em breve?

Não há consenso. Elon Musk prevê venda ao público até o fim de 2027, mas pesquisadores como Yann LeCun e Jonathan Hurst apontam que as máquinas atuais ainda falham fora das tarefas treinadas e que a generalização no mundo físico é muito mais difícil do que em linguagem.

O que é o Gemini Robotics, do Google DeepMind?

É um modelo de visão-linguagem-ação (VLA) testado em laboratório com o equipamento ALOHA 2, um sistema de dois braços e garras. Ele aprende por teleoperação e consegue executar tarefas vistas no treinamento, como montar uma lancheira, mas tende a falhar em ações novas.

O que são world models na robótica?

São modelos de IA treinados com vídeo, dados 3D e sensores para prever como o mundo físico reage às ações. A promessa é permitir que robôs raciocinem sobre o ambiente antes de agir, reduzindo a dependência de testes no mundo real.

Por que treinar robôs é mais difícil do que treinar chatbots?

Porque não existe uma base gigante de demonstrações físicas de qualidade equivalente ao texto disponível na internet. Coletar teleoperação é caro, vídeos de pessoas têm qualidade limitada e robôs reais ainda não operam com segurança fora de laboratórios.

robóticaiahumanoidesgemini roboticsworld models

Fonte original: AI breakthroughs in robotics won’t change your life any time soon (MIT Technology Review). Matéria escrita pela redação da Invision a partir dessa notícia. Versão em texto.