Robôs geralmente não são flexíveis: milhares de repetições para um único movimento, e qualquer mudança de iluminação ou formato do objeto pode quebrar a habilidade. A startup Generalist AI, de Cambridge (Massachusetts), tenta inverter essa lógica. Em vez de um longo treinamento com exemplos, basta a máquina ver um vídeo curto uma única vez — e ela já está pronta para agir em condições semelhantes, mas não idênticas. Isso lembra um pouco a forma como uma criança copia o comportamento de um adulto, sem nem perceber que está aprendendo.
Vídeo como instrução: o que os robôs aprendem "de primeira"
O autor, que visitou o laboratório da empresa, testemunhou um espetáculo incomum. Os manipuladores, sem preparação prévia, eram ajustados para operações específicas: lidavam com xícaras, empilhavam-nas, moviam blocos de uma tigela para outra. Tudo o que era necessário era um vídeo curto demonstrando a ação, e o robô começava a trabalhar com objetos novos para ele.
Alguns episódios parecem quase pequenos milagres da engenharia. Por exemplo, um robô recebeu a tarefa de empurrar um bloco para dentro de uma tigela, com a ajuda de uma escova e uma pá. Quando a escova foi removida, a máquina não parou — adaptou a pá para esse fim: pegou-a com a garra e passou a usá-la como escova, concluindo a tarefa com sucesso. Outro caso envolveu um manipulador de dois braços. Ele assistiu a um vídeo em que uma pessoa abre uma carteira e retira notas de papel. O robô lidou perfeitamente com outra carteira e, quando o braço direito não conseguiu pegar a nota, ele alternou para o esquerdo, mudou o ângulo e, mesmo assim, pegou o dinheiro.
Por que isso funciona: a aposta na "imaginação física"
O CEO e cofundador da Generalist AI, Pete Florence, compara o comportamento de seus robôs ao GPT-3. Um modelo de linguagem precisa apenas receber uma nova tarefa para encontrar uma solução, sem passar por treinamento específico. Algo semelhante acontece com os robôs, mas com uma ressalva para o mundo material: eles não precisam apenas gerar palavras, mas coordenar movimentos levando em conta a física dos objetos. Uma pá pode substituir uma escova, uma carteira pode abrir de maneiras diferentes, e uma banana pode se tornar uma ferramenta para varrer.
Este último caso realmente aconteceu: uma banana foi colocada diante do robô e ele, sem hesitar, começou a varrer peças da mesa com ela. Parecia engraçado, mas por trás disso há uma ideia importante — o sistema não aprende um movimento específico, mas um senso intuitivo de física, que os humanos têm desde o nascimento. É nisso que a equipe de fundadores aposta: Pete Florence, Andrew Barry e Andy Zeng trabalharam antes no Google DeepMind e na Boston Dynamics, e agora constroem modelos capazes de entender o "comportamento" das coisas no espaço.
O segredo desse entendimento é uma quantidade enorme de dados de qualidade sobre interações físicas. Para coletá-los da forma mais eficiente possível, a Generalist AI criou luvas especiais que lembram as garras do robô. Elas têm câmeras embutidas e são feitas para humanos: operadores ao redor do mundo, inclusive no México, realizam tarefas domésticas ou industriais comuns, e o sistema transforma essas gravações em material de treinamento. O autor chegou a ver uma caixa com centenas dessas luvas, prontas para envio aos coletores de dados. Além disso, a empresa constrói suas redes neurais do zero, recusando conscientemente modelos de linguagem abertos prontos.
Confiabilidade, ceticismo e perspectivas para a indústria
Os criadores não escondem os pontos fracos. Atualmente, o robô executa com sucesso a tarefa demonstrada em média em 59% dos casos. Isso está longe dos padrões industriais, que exigem confiabilidade acima de 99%. Não está claro até que ponto as habilidades serão transferidas para cenários completamente desconhecidos, nem como o modelo se comportará diante de mudanças bruscas nas condições. Mas o trabalho já feito impressiona especialistas externos.
Danfei Xu, roboticista do Georgia Tech, afirma que é a Generalist AI que está mais próxima de uma aplicação comercial real entre as empresas que desenvolvem modelos robóticos universais. Segundo ele, a equipe levou sua ideia ao extremo e a implementou com qualidade, reunindo um volume colossal de bons dados. Karen Liu, de Stanford, acrescenta que a abordagem da empresa é interessante porque os dados são coletados em escala massiva e não estão vinculados a um único design de robô. Isso torna o treinamento semelhante a uma plataforma aberta, e não a um truque único.
O benefício potencial para a manufatura é enorme. Imagine uma linha de produção que pode ser trocada instantaneamente de embalar garrafas para montar peças — basta mostrar um vídeo curto ao robô. Sem longos ajustes, sem programação de manipulações.
Talvez o episódio mais eloquente tenha sido gravado tarde da noite no escritório da startup. Um engenheiro posicionava manualmente pequenas xícaras diante do robô de dois braços. De repente, o manipulador, sem esperar comando, começou a pegar as xícaras e empilhá-las ordenadamente, seguindo o humano. Essa ação espontânea — ainda que simples e passageira — sugere que a máquina está indo além de um executor sem alma de instruções. E talvez seja exatamente essa "iniciativa" que se torne o avanço capaz de tirar os robôs das gaiolas dos chãos de fábrica para o mundo real.
