Uma startup chinesa de robótica quer construir a "receita" que dá inteligência geral aos robôs

Pontos-chave

• X Square Robot, uma empresa de IA incorporada chinesa, está a lançar a sua stack completa de IA para robótica como software de código aberto em 2025.
• A empresa afirma que o seu método de recolha de dados atinge um desempenho comparável aos datasets de robôs a um custo aproximadamente 20 vezes mais baixo.
• O seu modelo do mundo, WALL-WM, organiza o comportamento do robô em torno de ações nomeadas como "alcançar" ou "agarrar" em vez de janelas de tempo fixas.
• O seu modelo de ação, Wall-OSS-0.5, foi concebido para funcionar num robô real antes de qualquer ajuste fino específico da tarefa, o que é raro na área.
• Todos os resultados apresentados até agora provêm dos próprios benchmarks da empresa, o que significa que testes independentes ainda não os confirmaram.

Ensine a um sistema de IA texto suficiente, e algo útil emerge. Essa intuição, chamada pré-treino com dados amplos, transformou os grandes modelos de linguagem, a tecnologia por trás de chatbots como o ChatGPT, em ferramentas gerais que milhões de pessoas usam todos os dias.

A robótica não tem um atalho equivalente. Um robô que dobra roupa não pode simplesmente transferir essa competência para carregar uma máquina de lavar louça. Os sistemas que funcionam dentro da maioria dos robôs hoje são construídos a partir de peças separadas e especializadas que não resultam em nada de geral.

X Square Robot, uma empresa chinesa focada no que os investigadores chamam IA incorporada (ou seja, IA que reside num corpo físico e deve agir no mundo real), pensa que encontrou a receita. E, de forma inusual para uma startup chinesa de IA, está a lançar o núcleo dela para qualquer pessoa usar e inspecionar.

A aposta da empresa assenta em três camadas que funcionam em conjunto: como os robôs recolhem dados de aprendizagem, um modelo do mundo que prevê o que acontecerá a seguir no mundo físico, e um modelo de ação que transforma perceção e raciocínio em movimento real.

O que torna isto diferente de outros projetos de IA para robôs?

A peça mais distintiva é como X Square Robot lida com dados, os exemplos de que um robô aprende. Recolher demonstrações de robôs é caro porque precisa de um robô real, um operador treinado e horas de supervisão cuidadosa. X Square Robot construiu um equipamento portátil com dois pincéis que uma pessoa veste nas mãos. Nenhum robô necessário. Isto reduz os custos de recolha drasticamente.

Mas dados mais baratos são inúteis se estão errados. A empresa acrescenta uma verificação de qualidade que é genuinamente invulgar: uma amostra dos movimentos gravados é fisicamente reproduzida num robô real, e apenas os movimentos que completam a tarefa são contabilizados como válidos. Um pincel que fecha uma fração de segundo demasiado cedo pode parecer um agarre bem-sucedido na gravação, mas o robô acabou por afastar o objeto. Essa trajetória é descartada.

A empresa relata que combinar esses dados de demonstração humana mais baratos com uma pequena quantidade de dados de robô real atinge um desempenho comparável a datasets recolhidos inteiramente em robôs, a cerca de um vigésimo do custo. É uma afirmação impressionante. A ressalva, como o IEEE Spectrum AI notou na sua cobertura, é que estes números vêm dos próprios robôs e testes de X Square Robot. Investigadores externos ainda não os confirmaram independentemente.

O modelo do mundo, chamado WALL-WM, adota uma abordagem diferente ao tempo. A maioria dos sistemas de IA para robótica divide o movimento em pedaços de comprimento fixo, da forma como um filme é cortado em fotogramas de igual duração. WALL-WM, em vez disso, organiza o comportamento em torno de eventos significativos: alcançar, agarrar, pousar. Cada evento termina quando a ação é concluída, não quando um relógio marca a hora. A ideia é que os limites devem corresponder ao que está realmente a acontecer, não ao que é conveniente computar.

O modelo de ação, Wall-OSS-0.5, é um modelo de visão-linguagem-ação (software que lê imagens de câmaras, compreende instruções em linguagem natural e produz movimento físico). O requisito indicado da empresa para ele é que o modelo deve fazer algo útil num robô real antes de qualquer pessoa o treinar especificamente para uma tarefa. Capacidade geral pré-treinada em primeiro lugar, especialização em segundo. Essa ordem é o objetivo de todo o projeto.

Para pessoas comuns, nada disto muda nada hoje. Robôs domésticos de propósito geral permanecem a anos de distância. Mas se investigadores independentes conseguirem reproduzir e expandir estes resultados, o lançamento de código aberto pode acelerar a área de formas que um sistema fechado e proprietário não consegue.