O setor de inteligência artificial incorporada, que conecta modelos de aprendizado de máquina a corpos e robôs capazes de se movimentar, vive uma forte onda de investimentos, mas o desenvolvimento do hardware ainda não foi acompanhado por um avanço equivalente na capacidade de realizar trabalhos de valor de maneira confiável. Essa lacuna resume a situação atual do setor: os robôs se tornaram fisicamente mais capazes, mas ainda é um desafio em aberto dotá-los do conhecimento necessário para lidar com o mundo real.
Essa contradição ficou clara na última conferência Actuate, organizada pela Foxglove para desenvolvedores de modelos e infraestrutura voltados à inteligência artificial incorporada. O tamanho da conferência triplicou desde seu lançamento em 2023 e atraiu 1.500 participantes, um indicador do interesse crescente pela área. Em contrapartida, as empresas de infraestrutura se concentraram no que descrevem como a crise de dados da robótica: a falta de dados de treinamento diversificados e de alta qualidade de que os modelos precisam.
Por que as capacidades físicas não são suficientes?
As tentativas de construir um robô geral capaz de executar qualquer tarefa ainda estão longe da maturidade. Mesmo quando o robô é treinado para uma tarefa específica usando aprendizado de ponta a ponta, essas abordagens ainda não produziram produtos com desempenho comercial consistente e confiável. Por isso, os desenvolvedores estão tentando replicar o que laboratórios avançados de inteligência artificial fizeram: reunir ou criar conjuntos de dados mais diversificados, testar vários métodos de treinamento e elaborar cenários melhores para o aprendizado por reforço.
Harry Mellsop, fundador da Antioch, empresa especializada em ferramentas de simulação para desenvolvedores de modelos, descreveu a inteligência artificial incorporada como estando na fase do “GPT-2”; ou seja, uma etapa anterior ao salto que transformou o ChatGPT em um modelo popular. Segundo essa visão, o setor precisa de mais dados e capacidade computacional para superar sua fase atual, incluindo unidades de processamento gráfico aprimoradas para técnicas de rastreamento de raios usadas na construção de simulações de alta precisão.
Mas a comparação com modelos de linguagem não significa que o caminho será idêntico. O robô lida com um mundo físico em transformação e precisa de dados visuais, dados de LiDAR e comportamentos relacionados ao ambiente, não apenas de textos. Além disso, um erro em uma tarefa física pode causar uma colisão, danos ou a interrupção de uma operação, o que torna mais complexa a transição de um modelo que funciona ocasionalmente para um produto comercial confiável.
Carros autônomos como um laboratório inicial
Os veículos autônomos parecem ser uma das áreas mais avançadas da inteligência artificial incorporada, em parte por sua capacidade de coletar grandes quantidades de dados de carros dirigidos por pessoas e porque sua tarefa principal se concentra em evitar colisões, em vez de lidar diretamente com objetos e movê-los. Muitas ferramentas para construir modelos chegaram ao setor de robótica vindas de empresas de veículos autônomos; a Foxglove, por exemplo, foi fundada por ex-funcionários da Cruise, o antigo projeto de direção autônoma da General Motors.
As empresas automotivas agora tentam usar essa experiência para competir na robótica humanoide. A Tesla está desenvolvendo o robô Optimus, enquanto a Wayve, especializada em direção autônoma, e a Uber lançaram laboratórios de robótica focados em corpos humanoides como esforços de pesquisa e desenvolvimento.
Alex Kendall, CEO da Wayve, considera que começar pelos veículos pode fazer mais sentido, porque a infraestrutura de dados e simulação e os processos de operação de aprendizado de máquina podem ser parcialmente compartilhados entre as aplicações. Mas ele ressalta que o modelo mundial precisará de diferenças relacionadas a cada corpo, robô e ambiente operacional, e que os rápidos avanços nos sensores e componentes tornam arriscado comprometer-se cedo com uma única plataforma de hardware.
Especialização versus robô geral
Nem todos no setor concordam com a ideia de separar a “mente” do corpo. Théophile Gervet, CEO da Genesis AI, especializada em robôs humanoides verticalmente integrados, considera que a onda ainda está em uma fase muito inicial, que permite projetar o hardware e a inteligência artificial em conjunto. A empresa havia levantado uma rodada de financiamento inicial de 105 milhões de dólares neste ano.
A divergência não diz respeito apenas à engenharia, mas também à estratégia de construção dos negócios. Empresas que têm como alvo tarefas específicas começaram a levar seus robôs para locais reais: a Gritt atua em fazendas solares, a Agility implementa robôs em ambientes industriais, enquanto a Bedrock opera escavadeiras autônomas. Em contrapartida, os robôs humanoides multiuso ainda estão, em grande parte, dentro dos laboratórios.
Gervet afirma que o cliente não se importa com um robô geral que tenha sucesso em apenas 80% das tarefas, porque a ausência de foco setorial pode significar a ausência de valor prático. No entanto, a especialização cria outro problema: se um produto vertical for construído sobre uma geração inicial de modelos, um concorrente que use um modelo mais avançado poderá superá-lo. Ainda assim, a aplicação especializada proporciona receita e dados do mundo real, mesmo que esses dados não sejam diversificados o suficiente para desenvolver um robô geral.
A Bedrock começa com a escavação para compreender os desafios de lidar com objetos em condições reais, mas planeja construir uma camada de inteligência que se estenda por um conjunto de máquinas de construção. Isso ilustra um possível meio-termo: lançar um produto especializado capaz de reunir experiência e dados, mantendo o objetivo de construir capacidades mais amplas posteriormente.
O que está mudando na prática?
A infraestrutura está se voltando para o próprio problema dos dados. A Foxglove anunciou um novo produto construído sobre o modelo de mundo de pesos abertos Cosmos, da Nvidia, que permite aos engenheiros pesquisar dados de visão e LiDAR usando consultas naturais avançadas, com o objetivo de criar avaliações e simulações e acelerar a triagem e a correção de problemas. O valor dessas ferramentas não está em acrescentar capacidade física ao robô, mas em reduzir o tempo necessário para descobrir por que o modelo falhou e treiná-lo novamente.
A questão mais ampla é o que dará forma ao momento ChatGPT da robótica. Kendall considera que o momento verdadeiro deve despertar o interesse dos consumidores, não dos investidores, e dá como exemplo a direção autônoma sem monitoramento dos olhos e com hardware que custe menos de 1.000 dólares, uma oportunidade que a Wayve afirma buscar por meio do licenciamento de seus modelos para empresas automotivas. Gervet considera que o marco será um robô que compreenda comandos naturais e execute tarefas básicas de manipulação, como empurrar e puxar, fechar um laptop ou limpar uma mesa, com uma taxa de sucesso de cerca de 80% ou mais, sem configuração complexa.
Mas Adrian Macneil, CEO da Foxglove, não espera um único momento semelhante ao ChatGPT; a disseminação no mundo físico é muito mais difícil do que distribuir um software pela internet. Em vez disso, ele prevê um momento semelhante ao surgimento do Apple II ou do IBM PC, quando será possível comprar um robô doméstico que execute tarefas úteis e divertidas.
A leitura mais importante dessas posições é que o setor ainda não decidiu se o avanço virá de um modelo geral, de um projeto conjunto entre hardware e software ou de aplicações especializadas que se expandam gradualmente. O que os dados disponíveis confirmam é que o aumento dos investimentos e a melhoria dos corpos não eliminam o principal gargalo: dados reais e diversificados, simulação precisa e desempenho em que os clientes possam confiar fora do laboratório.