Avanços da IA prometem robôs autônomos para indústrias e assistência em residências

Em um cenário onde carros e drones já operam sem intervenção humana para entrega e transporte em grandes cidades, a ideia de robôs versáteis auxiliando em ambientes de trabalho ou mesmo dentro de casa se torna cada vez mais próxima. A concretização desse futuro, no entanto, está diretamente atrelada à evolução da inteligência artificial, que impulsiona o desenvolvimento de máquinas com maior capacidade de autonomia.
Essa perspectiva ousada tem galvanizado pesquisadores, muitos dos quais se tornaram fundadores de startups, e atraiu bilhões de dólares em investimentos. Matt Malchano, vice-presidente de software da Boston Dynamics, empresa de robótica de Waltham, Massachusetts, destaca a transformação: “Quando comecei, talvez uns 15 anos atrás, o objetivo da equipe era apenas fazer um robô navegar do ponto A ao ponto B. E agora, quando pensamos em autonomia, pensamos em um vasto leque de tarefas e coisas que podemos imaginar um robô fazendo sozinho.”

Antigamente, conceber robôs autônomos de uso geral, como os icônicos Rosie dos Jetsons ou C-3PO de Star Wars, parecia uma realidade distante. Laboratórios e empresas de robótica enfrentavam desafios fundamentais como navegação e equilíbrio. Em 1979, o Stanford Cart, um veículo experimental, demorou cinco horas para percorrer apenas 20 metros em uma sala com obstáculos. Somente em 1996 surgiu o primeiro robô bípede capaz de andar sem cair.
Para Malchano, a autonomia robótica sempre foi um “alvo em constante movimento”, visando que as máquinas realizassem cada vez mais tarefas sem a necessidade de supervisão humana direta. A Organização Internacional de Normalização (ISO) define autonomia em robótica como “a capacidade de executar tarefas pretendidas com base no estado atual e nas informações coletadas, sem intervenção humana”.
Os progressos recentes na inteligência artificial, como o aprendizado por reforço na década de 2010 e os grandes modelos de base treinados com vastas quantidades de dados nos anos 2020, “desbloquearam” a possibilidade de “imaginar um mundo onde o robô possa executar sequências de atividades e realmente compreender as tarefas”, afirma Malchano. Esses avanços permitiram que os robôs passassem de meros executores de comandos pré-definidos para máquinas capazes de tomar decisões complexas e reconhecer padrões em tempo real, um salto crucial. Atualmente, há uma intensa busca por parte de laboratórios e empresas para criar robôs de uso geral que operem de forma independente em ambientes mais complexos e imprevisíveis.
É importante ressaltar que esses robôs não precisam ter necessariamente uma aparência humanoide, apesar dos vultosos investimentos nesse tipo de desenvolvimento. Independentemente da forma, eles representam um avanço significativo em relação aos milhões de robôs industriais e de serviço existentes, que já realizam tarefas específicas em ambientes controlados, como fábricas e armazéns.
Sergey Levine, cientista da computação da Universidade da Califórnia em Berkeley e cofundador da Physical Intelligence, explica a distinção: “Existe uma linha de montagem, o robô deve realizar um movimento específico e, se esse movimento for executado de forma confiável e repetida, isso representa um nível básico de autonomia em uma fábrica. O próximo nível, porém, aquele que está atualmente na fronteira do que é possível — como um tópico de pesquisa que está se tornando realidade — é o robô conseguir realizar uma tarefa em um ambiente não estruturado de forma confiável.”
A transição para essa nova era da robótica, impulsionada pela IA, envolve explorar os desafios da criação de robôs multifuncionais, garantir a segurança dessas máquinas, entender as limitações em áreas como a cirurgia robótica e prever quando eles poderão, de fato, se tornar auxiliares domésticos.
Como a inteligência artificial moderna transforma o cenário da robótica
A startup de Levine, Physical Intelligence, busca uma inteligência robótica prática capaz de permitir que diversos tipos de robôs operem de forma autônoma em ambientes variados. “Não acho que será um robô definitivo, como um humanoide super avançado que pode fazer tudo”, disse Levine. Ele acredita em um “modelo geral de IA que poderá impulsionar muitos robôs diferentes, adequados às suas funções”.
Levine exemplifica que um pequeno braço robótico fixado no teto pode ser ideal para um apartamento compacto em Nova York, enquanto um “robô gigante e imponente” com capacidade para mover objetos pesados seria mais útil em uma fazenda. “Teremos bons humanoides, mas haverá outras coisas também. Haverá o que fizer mais sentido para a tarefa”, acrescentou.
No entanto, o desenvolvimento de robôs autônomos com maior independência em ambientes do mundo real exige “mudanças radicais na complexidade tecnológica”, conforme Levine. Ele descreve a necessidade de lidar com a percepção ambiental sofisticada, habilidades motoras robustas, capacidade de superar erros básicos e processar instruções humanas, além de generalizar comportamentos para situações inéditas.
Pesquisadores da Physical Intelligence desenvolveram um modelo de IA de propósito geral para robôs que interpreta comandos de linguagem e recombina habilidades para solucionar tarefas novas.
Muitos cientistas buscam tornar essa visão realidade combinando técnicas de IA, incluindo aprendizado por reforço e grandes modelos pré-treinados, explica Levine. O aprendizado por reforço capacita robôs a realizar tarefas específicas por tentativa e erro, seja em interação com o mundo físico ou em simulações. Paralelamente, modelos de base treinados com vastos dados – como modelos visuais-linguísticos – fornecem conhecimento prévio para que os robôs reajam adequadamente e evitem erros em diversas situações.
“O aprendizado por reforço é como quando você pratica sua tacada de tênis muitas e muitas vezes e fica muito bom nisso”, comparou Levine. “Mas para chegar lá, primeiro você precisa ter um mínimo de bom senso para começar.”
A combinação dessas técnicas de IA, aliada à crescente disponibilidade de dados de treinamento (como a teleoperação humana de robôs para demonstrar tarefas), tem gerado um progresso “encorajador” na capacitação de robôs para executar diversas atividades de forma confiável sob diferentes condições, segundo Levine. “A chave para o funcionamento dos sistemas modernos de aprendizado de máquina é obter uma massa crítica de dados suficiente para que possamos observar a generalização”, afirmou.
Contudo, ainda existe uma notável carência de dados adequados para treinar robôs em tarefas físicas. Métodos como a teleoperação, onde humanos guiam fisicamente os robôs, ou a realização de inúmeros testes experimentais em laboratórios, são caros e demorados. Simulações baseadas em princípios da física podem ser mais econômicas em ambientes virtuais, mas frequentemente falham em capturar as complexidades e incertezas do mundo real.
Cientistas na robótica também estão desenvolvendo modelos do mundo real para que os robôs prevejam as consequências de suas ações físicas e planejem de acordo. Algumas implementações desses modelos de IA são treinadas com dados visuais, ensinando como os ambientes físicos funcionam. Empresas chegam a coletar vídeos em primeira pessoa, contratando trabalhadores para usar câmeras na cabeça enquanto realizam tarefas domésticas ou outras atividades para criar esses dados.
Embora essa abordagem de treinamento seja mais barata que experimentos físicos com robôs, o desenvolvimento de modelos do mundo real permanece computacionalmente caro e pode ter dificuldades em replicar com precisão as interações físicas complexas.
Por enquanto, robôs de uso geral ainda estão distantes da realidade. Os métodos de treinamento atuais, como o aprendizado por reforço, podem criar robôs eficientes em tarefas específicas sob condições controladas, mas eles podem falhar na mesma tarefa em condições diferentes. A variedade crescente de dados, proveniente da teleoperação e outros métodos, permite treinar robôs para “uma diversidade de tarefas, mas não com um nível de robustez de 99,99%”, aponta Levine.
“Você pode ter algo que seja razoável, mas não incrível em tudo, ou algo que seja extremamente bom em uma coisa só”, disse ele. “Nós realmente queremos algo que seja extremamente bom em tudo, e isso ainda está na vanguarda da pesquisa.”
Inovações em robótica aplicadas ao ambiente de trabalho
Felizmente, a sociedade não precisa aguardar a chegada dos robôs de uso geral para ver aplicações práticas. Empresas vêm desenvolvendo e comercializando robôs industriais e de serviço especializados há décadas. Atualmente, tanto startups quanto empresas estabelecidas aplicam os mais recentes avanços em autonomia robótica para atender a um leque crescente de tarefas.
Entre as companhias mais conhecidas está a Boston Dynamics, que teve suas origens em um laboratório do MIT em 1992. A empresa é amplamente reconhecida pelos vídeos demonstrativos de seus robôs quadrúpedes e bípedes, como o humanoide Atlas, que exibiu movimentos de futebol durante a Copa do Mundo de 2026.
Há vários anos, o robô quadrúpede Spot, da Boston Dynamics, realiza inspeções autônomas em locais perigosos para humanos, incluindo subestações conversoras em Massachusetts, operadas pela National Grid, e tubulações subterrâneas na Califórnia, sob rodovias.
Em um teste laboratorial, o robô humanoide Atlas, da Boston Dynamics, demonstrou capacidade de movimentar tampas de motor entre recipientes de fornecedores e um carrinho de sequenciamento móvel, de forma autônoma.
Malchano explica que essa autonomia robótica “diz respeito à capacidade do robô de navegar por um ambiente e executar ações por conta própria, tirando fotos e fazendo medições com sensores desse ambiente”. Ele acrescenta que essa é uma funcionalidade que a empresa incorporou em um produto vendido a pessoas que não são especialistas em robótica, mas que focam na manutenção e prevenção de falhas em suas instalações, representando uma forma de autonomia já disponível.
Um desafio específico enfrentado pelo Spot foi aprender a se mover em pisos escorregadios em ambientes de clientes, o que exigiu treinamento adicional com aprendizado por reforço. “Reeducamos a forma como o robô escolhe andar e sua capacidade de reconhecer que está em um piso escorregadio e, em seguida, tomar medidas para se manter estável e conseguir navegar sobre ele de forma semelhante a como um humano andaria no gelo”, detalhou Malchano.
Simultaneamente, os robôs Stretch da Boston Dynamics, equipados com grandes braços robóticos, têm sido empregados no manuseio de caixas e pacotes volumosos em armazéns de empresas de logística como a DHL. “Temos adaptado continuamente o robô a diferentes formatos de embalagens, às maneiras como os caminhões são carregados e às estruturas dos próprios caminhões que encontramos ao interagir com o mundo real”, explicou Malchano.
A Boston Dynamics também intensifica a produção do robô humanoide Atlas, agora totalmente elétrico. O Atlas está sendo treinado e testado no Centro de Aplicações Robot Metaplant, sob a administração de sua controladora sul-coreana, o Grupo Hyundai Motor. A meta é que o robô Atlas comece a realizar tarefas na Hyundai Motor Group Metaplant America, uma gigantesca fábrica de veículos elétricos na Geórgia, até 2028.
“Acho que temos muita sorte de sermos afiliados à Hyundai, que obviamente produz carros fantásticos em larga escala”, disse Malchano. “Poder aproveitar essa capacidade para alcançar essa escala é realmente importante para a construção de robôs.”
O projeto conjunto entre Hyundai e Boston Dynamics almeja produzir 30.000 robôs humanoides anualmente até 2028. A viabilidade de tantos robôs dependerá de sua aplicabilidade e custo-benefício em funções tradicionalmente humanas. No entanto, já surgem preocupações por parte dos trabalhadores da Hyundai, com o sindicato aprovando uma possível greve em 25 de junho, em negociações com a montadora sul-coreana para proteger empregos em relação à futura implantação do robô Atlas. Essa resistência inicial ressalta o desafio de integrar a automação em grande escala, que pode gerar apreensão quanto à segurança no emprego.
Por enquanto, robôs de uso geral com flexibilidade e adaptabilidade próximas às humanas ainda são uma realidade distante. “Chegamos à expectativa de que, se você pedir a uma pessoa para realizar uma tarefa, ela a fará corretamente com algum treinamento, quase sempre”, ponderou Malchano. “Acho que ainda estamos entendendo o que é necessário para atingir esse nível de confiabilidade para tarefas de uso geral, orientadas por IA.”
A jornada da automação industrial para o suporte em residências
O futuro da robótica não se desenrolará como um “momento ChatGPT”, onde a capacidade surge abruptamente com dados suficientes, explica Jonathan Hurst, cofundador da Agility Robotics e pesquisador da Universidade Estadual do Oregon. Ele argumenta que coletar dados de treinamento para robôs não é tão simples quanto reunir textos ou imagens da internet, pois exige informações muito mais concretas do mundo físico, ligadas ao controle e coordenação de todas as articulações e membros do robô em interação com o ambiente.
“É dramaticamente mais difícil ter uma IA incorporada; é 10 vezes mais difícil ter uma IA incorporada”, afirmou Hurst. “Os dados que possibilitaram grandes modelos de linguagem não existem e nunca existirão para IA incorporada.”
Hurst prevê que o avanço dos robôs será gradual nas próximas décadas, permitindo-lhes atuar em ambientes e situações mais generalizadas. Sua empresa, a Agility Robotics, garantiu o primeiro contrato comercial de longo prazo para robôs humanoides, com a implantação de seus robôs Digit em um armazém logístico da GXO em Atlanta, Geórgia, a partir de 2024. Nesses armazéns, os robôs Digit se curvam para levantar e mover caixas de produtos das áreas de separação para as esteiras transportadoras.
Desde então, a Agility expandiu a implantação de seus robôs humanoides para linhas de produção automotiva da Toyota Motor Manufacturing Canada e na fábrica da montadora alemã Schaeffler, na Carolina do Sul. A empresa também possui um acordo comercial para integrar robôs Digit em uma unidade do Mercado Livre, em San Antonio, Texas, e os robôs foram testados em armazéns da Amazon.
Em 24 de junho, a Agility anunciou planos para se tornar a primeira empresa “exclusivamente dedicada a robôs humanoides” a ter suas ações negociadas em uma grande bolsa de valores da América do Norte. A empresa declara que seus robôs já acumularam mais de 65.000 horas de operação em suas implantações comerciais iniciais e programas piloto.
As atribuições atuais do Digit no trabalho focam primariamente no manuseio de caixas e recipientes. Contudo, o próximo passo pode ser a coleta de itens e seu posicionamento em recipientes, seguido pelo manuseio de caixas de papelão de diversas formas e tamanhos, segundo Hurst. Isso poderia, eventualmente, abrir portas para tarefas em estoques de lojas de varejo e supermercados, ambientes que são menos estruturados e potencialmente mais caóticos que fábricas ou armazéns.
Em um futuro mais distante, robôs humanoides como o Digit poderiam circular em veículos autônomos para realizar entregas residenciais. O estágio final envolveria o auxílio direto às pessoas em suas casas. Contudo, Hurst alerta que ainda levará várias décadas para que a robótica crie máquinas inteligentes o suficiente para operar com segurança perto de crianças ou ajudar em tarefas domésticas.
“No fim das contas, autonomia vai significar como seu robô reage quando alguém lhe entrega um bebê”, exemplificou Hurst. “Se ele for realmente autônomo em ambientes humanos, você terá que lidar com casos extremos muito complicados como esse e como o robô será inteligente o suficiente para tomar boas decisões nessas situações.”
Por ora, Hurst afirma categoricamente que empresas que prometem robôs humanoides operando com segurança dentro de casas, ao lado de humanos, “ou estão mentindo ou estão erradas, uma das duas coisas”.
Dois robôs humanoides Digit, desenvolvidos pela Agility Robotics, foram observados em operação dentro de uma “célula de trabalho” isolada em uma instalação fabril.






