Por dentro, esta startup almeja um salto gigante na inteligência robótica

Em São Francisco, dentro de um armazém forrado com painéis de aço reluzentes, me serviram uma xícara de café fresco feito inteiramente por robôs. Este facto por si só não é impressionante – os robôs fazem café há mais de uma década – mas este cérebro robótico que faz café não é a única maneira. Ele também aprendeu a fazer muitas outras tarefas, como dobrar roupas, descascar legumes e limpar a cozinha, numa época em que a maioria das crianças ainda não havia aprendido a andar.

A Physical Intelligence, startup fundada em 2024, aposta que cérebros robóticos capazes de aprender a realizar muitas tarefas diferentes permitirão, num futuro próximo, que os robôs se envolvam em nossas vidas diárias. Em vez de se concentrarem numa única máquina, como os robôs humanóides fabricados pela Tesla ou pela Boston Dynamics ou os robôs de fábrica utilizados pela Amazon, as empresas querem construir sistemas de controlo adaptáveis ​​que possam executar múltiplas tarefas com muitas máquinas diferentes.

A inteligência robótica de uso geral não é uma ideia nova: muitos especialistas em robótica dizem que este tem sido um objetivo de longo prazo há décadas. No entanto, à medida que os grandes modelos de linguagem (LLMs) decolaram no início da década de 2020, alimentando os chatbots de IA graças à combinação certa de poder computacional, dados e avanços algorítmicos, a Inteligência Física espera realizar um salto semelhante no progresso na robótica geral.

“Na maioria dos domínios, resolver mais problemas apenas torna as coisas mais difíceis, mas na IA, na verdade torna tudo mais fácil, porque você tem mais fontes diferentes de conhecimento para extrair”, disse Sergei Levine na Universidade da Califórnia, Berkeley, que foi um dos fundadores da empresa.

O sucesso do LLM levou a um novo tipo de robô de IA, denominado modelo visão-lingual-ação (VLA), que fundamenta grande parte da pesquisa em Inteligência Física. Em vez de ensinar ao robô uma habilidade de cada vez, o VLA utiliza o amplo conhecimento do LLM para traduzir solicitações gerais em ações específicas, permitindo que o robô siga instruções e execute muitas tarefas diferentes. “(VLA) é provavelmente a tradução mais direta do entusiasmo que obtemos com grandes modelos de linguagem”, disse ele Ingmar Posner na Universidade de Oxford. Em vez de prever a próxima palavra, o sistema prevê o próximo movimento do robô necessário para completar uma tarefa específica, disse ele.

Um dos grandes desafios no treinamento de robôs é que há um número quase infinito de variações do mundo real para qualquer tarefa e muito poucos dados com os quais o robô possa aprender. Automatizar a aprendizagem – ensinar robôs a aprender por conta própria – é uma solução possível, mas a maioria dos desenvolvedores de robôs reluta em fazer isso porque é difícil coletar dados suficientes, disse Levine. “Embora, em princípio, isso deva ser feito automaticamente, na prática, a quantidade de trabalho necessária para obter os dados para sua aplicação específica é maior do que o trabalho necessário para fazer tudo manualmente.”

Levine e seus colegas esperam que, com a ajuda do VLA, precisem de menos dados para ter sucesso. Abaixo da sala de conferências onde conversei com Levine, um grupo de funcionários ensinava robôs a realizar uma série de tarefas aparentemente mundanas: dobrar camisas, colocar travesseiros em prateleiras, cortar laços em caixas de presentes. Ao virar da esquina, descobri, havia dois armazéns contendo supermercados, quartos e cozinhas falsos, reformados semanalmente, onde robôs e modelos de IA de Inteligência Física poderiam aprender a lidar com diversas situações. A empresa também está implementando seus robôs em casas reais para testar como eles podem lidar com a desordem do mundo real.

Esta diversidade é um dos principais ingredientes que levou a um número surpreendente de avanços, incluindo robôs aprendendo a generalizar para tarefas além de tudo o que já viram antes. O modelo mais novo, chamado π0,7, é capaz de cozinhar batata-doce em uma fritadeira com instruções verbais passo a passo de um ser humano, mesmo que ele nunca tenha usado uma fritadeira antes.

A velocidade do progresso nos dois anos de operação da Inteligência Física surpreendeu Levine. “Na verdade, foi mais rápido do que pensávamos”, disse ele.

Outras empresas também estão tomando nota disso. Várias startups com bilhões de dólares em financiamento, bem como empresas mais estabelecidas, como a Amazon e a DeepMind do Google, estão buscando desenvolver seus próprios robôs de uso geral.

Apesar do rápido progresso até agora, é difícil prever a rapidez com que o campo avançará. O progresso para empresas de IA como OpenAI e Anthropic é notoriamente rápido, mas o progresso é muitas vezes mais lento para empresas de robótica. Todo pesquisador de robótica está familiarizado com o paradoxo de Moravec: o cientista da computação Hans Moravec observou em 1988 que era fácil para os robôs dominarem jogos como o xadrez ou obterem pontuações altas em testes de QI, mas “é difícil ou impossível dar-lhes as habilidades de uma criança de um ano de idade em termos de percepção e mobilidade”.

Ainda não está claro quantos dados a Inteligência Física precisará para preparar seus robôs para uso no mundo real, disse Posner. “Acho que estamos no início dos sinais de que algo interessante pode estar acontecendo, mas se esse é realmente o caminho a seguir é uma questão diferente.”

Ele diz que o sucesso no mundo real ainda está muito distante, em parte porque os usuários levarão os robôs ao seu limite. “Os humanos são hostis. Eles gostam de brincar com robôs só porque é divertido”, disse Posner. “Acredito que isso será implementado em larga escala num futuro próximo, com um modelo de negócios que realmente gere dinheiro? Não, claro que não. Acho isso muito difícil de acreditar.”