Will Knight quer um robot que dê de comer à sua gata. O redator sénior da WIRED, que escreve sobre inteligência artificial, tem uma gata bengal chamada Leona e um plano: um pequeno robot ambulante que a encontre, incline a cabeça e deixe cair uma guloseima de um compartimento impresso para ficar no topo do aparelho. A guloseima não é a notícia. A notícia é que o robot já funciona em software e que um modelo de IA fez grande parte do treino que, normalmente, um engenheiro de robótica teria de realizar à mão.

O robot é um Microduck virtual, o bípede em forma de pato da Pollen Robotics, a divisão de robótica da Hugging Face. Knight ensinou-o a andar por uma sala sem cair e a identificar qualquer gato bengal nas proximidades. Diz que a tarefa demorou algumas horas, quando, antes, poderia ter-lhe ocupado semanas. Na sua coluna, chama a isto o futuro da robótica. Tem razão em metade. O ciclo de treino encurtou drasticamente. O que existe de cada lado desse ciclo pouco mudou.

O que o modelo fez, na prática

Knight combinou o GPT-6 Sol, da OpenAI, com o Hermes, um sistema de agentes da Nous Research, executado num Nvidia DGX Spark, um computador de secretária construído em torno de um potente chip de IA. O modelo fez mais do que escrever código. Através do Isaac Sim, da Nvidia, enviou instruções ao modelo que controlava o pato simulado, observou vídeos do pato em ação, avaliou o que estava a correr bem e sugeriu alterações ao regime de treino. Executar, observar, ajustar, repetir: esta é a parte lenta e pouco glamorosa da aprendizagem robótica — e foi essa a parte automatizada.

Os laboratórios profissionais relatam a mesma mudança. Na UC Berkeley, a equipa do professor Ken Goldberg deu ao modelo Astra, da OpenAI, acesso a uma ferramenta da Nvidia chamada Newton, mostrou-lhe um vídeo de um robot real e pediu-lhe que reconstruísse a cena numa simulação. «O que nos deixou a todos de boca aberta foi que, em menos de uma hora, tinha criado uma simulação 3D completa, com todos os parâmetros definidos — a posição da câmara, a iluminação, o fundo, todos os materiais», disse Goldberg à WIRED. Segundo ele, o Astra também consegue executar as experiências e analisar os resultados, assumindo assim grande parte do trabalho enfadonho de treinar um robot em simulação.

O método já tem nome. O ASPIRE é um enquadramento, cujos autores incluem Goldberg e Jim Fan, da Nvidia, em que um modelo de linguagem de grande dimensão escreve o código de controlo de um robot, analisa os registos de execução quando algo falha, corrige o programa e guarda a solução funcional numa biblioteca de competências que pode ser reutilizada em tarefas posteriores. Em meados de outubro, o laboratório de Fan na Nvidia publicou no GitHub o código da versão 1.0, sob uma licença Apache 2.0, segundo o ToolNavs e o RuntimeWire. Numa das demonstrações, braços robóticos aprendem a resolver um cubo de Rubik. «Pega nele, tenta rodá-lo, mas usa o ângulo errado», disse Fan à WIRED. «Depois, raciocina durante muito, muito tempo, mas acaba por conseguir resolvê-lo, porque vai aprendendo competências ao longo do tempo.»

A competência que ficou barata é alugada

Eis o que a narrativa da «robótica vibe» deixa de fora. O artigo sobre o ASPIRE afirma claramente que o seu desempenho depende do modelo de ponta que lhe serve de base. Com o Claude Opus 5.5, da Anthropic, o sistema regista uma taxa média de sucesso de 99% nas 80 tarefas de manipulação do LIBERO-Pro — um valor divulgado pelos próprios autores e ainda não reproduzido de forma independente. A lista de limitações do próprio projeto indica que o sistema depende de um modelo de ponta congelado e que ainda não foi verificado se modelos mais pequenos conseguem manter o mesmo ciclo de depuração.

Se levarmos isso até às últimas consequências, um pato de um entusiasta e o braço de um laboratório de Berkeley aprendem agora tão bem quanto o modelo de grande dimensão a que conseguem aceder. A experiência de engenharia que antes constituía uma barreira à robótica não desapareceu. Uma boa parte está agora incorporada no modelo de ponta que o criador tem meios para utilizar.

O pato continua à espera na fila

O outro lado do ciclo é o hardware, e Knight ainda está à espera do seu. A Pollen abriu as pré-encomendas do Microduck por 399 dólares no final de agosto, com entregas previstas antes do Natal. A Business Insider noticiou que as encomendas ultrapassaram os 2,6 milhões de dólares nas primeiras 24 horas, citando Thomas Wolf, cofundador da Hugging Face, e a página de pagamento passou pouco depois a indicar um prazo de quatro a seis meses para novas encomendas. O Gadget Flow noticia que a loja avisa agora que as pré-encomendas atuais só serão enviadas depois de abril de 2027. O treino em simulação é o método previsto: o fluxo de trabalho da própria Pollen permite aos proprietários treinar comportamentos num pato virtual e exportá-los para o robot físico. Mas uma política à espera de um corpo ainda não teve de lidar com um tapete, um pé de sofá ou uma gata que não está disposta a colaborar.

Knight não esconde o resto. Escreve que o sistema de visão do seu pato não funciona suficientemente bem para ser integrado num produto real. Quando lhe deu um GIF de Michael Jackson para ensinar o robot a fazer o moonwalk, horas de trabalho produziram aquilo a que chama uma corrida para trás bastante saltitante. Os autores do ASPIRE identificam a mesma família de lacunas para a utilização no mundo real: deteção fiável do sucesso, reposições seguras, monitorização da segurança e calibração. Todas dizem respeito a saber o que aconteceu realmente numa sala física — precisamente aquilo que um simulador não pode dizer-nos.

Para onde vai o dinheiro

Nada disto está a travar o interesse. Goldberg diz que várias empresas de robótica industrial e automação demonstraram interesse nesta abordagem, e Knight defende que a rapidez poderá em breve ter um impacto significativo na indústria transformadora e no comércio eletrónico. Esta semana, na Conference on Robot Learning, em Austin, Fan usou a sua palestra principal para mostrar o Astra a controlar um braço robótico e a pintar a Golden Gate Bridge, usando tintas e pincéis que estavam por perto.

A consequência é uma mudança no lugar onde os erros acontecem. Quando treinar um comportamento robótico passa a demorar horas em vez de semanas, as equipas vão treinar muito mais comportamentos, e a etapa mais difícil será provar quais são seguros fora do simulador. Uma guloseima que falha a tigela da Leona é uma forma barata de aprender essa lição. Um braço de armazém a executar uma competência escrita por um modelo, que ninguém testou no espaço real, é uma forma dispendiosa.

Etiquetas: nvidia, Hugging Face, Microduck, Pollen Robotics, robôs