Robôs aprendem como? Um breve histórico atual

O recente boom na robótica representa uma revolução na forma como as máquinas aprenderam a interagir com o mundo ao seu redor. Durante décadas, os engenheiros de robótica sonhavam grande, mas terminavam construindo soluções modestas. A ambição sempre foi criar máquinas que pudessem se mover com naturalidade, se adaptar a diferentes ambientes e interagir de forma segura e útil com as pessoas — algo próximo do que vemos na ficção científica. Para alguns, esses robôs poderiam ajudar pessoas com mobilidade reduzida, combater a solidão ou realizar tarefas perigosas demais para humanos. Para outros, seria uma fonte inesgotável de mão de obra gratuita. No entanto, uma longa história de fracassos fez com que o Vale do Silício hesitasse em apostar em robôs úteis.

Isso mudou drasticamente. As máquinas ainda não estão plenamente desenvolvidas, mas o dinheiro está fluindo como nunca: empresas e investidores despejaram US$ 6,1 bilhões em robôs humanoides apenas em 2025, um valor quatro vezes maior do que o investido no ano anterior. Mas o que realmente impulsionou essa transformação? Uma revolução na forma como as máquinas passaram a aprender a interagir com o mundo — não mais por meio de regras rígidas e predefinidas, mas através de algoritmos que se aperfeiçoam com prática, erros e dados.

Imagine que você deseja instalar um par de braços robóticos em sua casa com uma única função: dobrar roupas. Como essa máquina aprenderia a executar essa tarefa? Antigamente, a solução seria criar um conjunto de regras detalhadas: identificar o tecido para determinar quanto ele pode se deformar antes de rasgar, localizar o colarinho da camisa, posicionar o gripper na manga esquerda, levantá-la e dobrá-la para dentro com precisão. Em seguida, repetir o processo para a manga direita. Se a camisa estivesse rotacionada, seria necessário ajustar o plano. Se a manga estivesse torcida, corrigir a posição. Rapidamente, o número de regras explodiria, mas, se todas fossem mapeadas, o resultado poderia ser confiável. Essa era a abordagem tradicional da robótica: antecipar todas as possibilidades e codificá-las antecipadamente.

Por volta de 2015, a fronteira da robótica começou a se deslocar. Em vez de depender de regras fixas, os desenvolvedores passaram a criar simulações digitais de braços robóticos e roupas, fornecendo ao programa um sinal de recompensa toda vez que a tarefa fosse concluída com sucesso e um “erro” toda vez que falhasse. Dessa forma, o algoritmo aprimorava suas habilidades por meio de tentativa e erro, com milhões de iterações — a mesma abordagem que impulsionou o avanço da inteligência artificial em jogos como xadrez e Go.

A chegada do ChatGPT em 2022 catalisou esse boom. Treinados com vastas quantidades de texto, os grandes modelos de linguagem não aprendem por tentativa e erro, mas sim pela capacidade de prever qual palavra deve vir a seguir em uma frase. Modelos semelhantes, adaptados para robótica, passaram a absorver imagens, leituras de sensores e a posição das juntas de um robô para prever a próxima ação que a máquina deveria executar, emitindo dezenas de comandos motores por segundo. Essa mudança conceitual — a dependência de modelos de IA que ingerem grandes volumes de dados — parece funcionar independentemente de o robô útil ser projetado para conversar com pessoas, se mover em um ambiente ou executar tarefas complexas. E foi aliada a outras inovações, como a implementação de robôs mesmo quando ainda não estão perfeitos, permitindo que eles aprendam com o ambiente ao qual foram designados a trabalhar. Hoje, os engenheiros do Vale do Silício voltaram a sonhar grande. Mas como chegamos até aqui?

Um robô social móvel já conduzia conversas muito antes da era dos grandes modelos de linguagem. Em 2014, Cynthia Breazeal, pesquisadora do MIT especializada em robótica, apresentou ao mundo o Jibo, um robô sem braços, pernas ou rosto, que parecia mais uma luminária do que um androide. O objetivo de Breazeal era criar um robô social para famílias, e a ideia arrecadou impressionantes US$ 3,7 milhões em uma campanha de financiamento coletivo. Os primeiros pedidos antecipados custavam US$ 749.

O Jibo inicial era capaz de se apresentar e dançar para entreter crianças, mas sua proposta sempre foi se tornar um assistente incorporado, capaz de gerenciar agendas, responder e-mails e contar histórias. Ele conquistou uma base fiel de usuários, mas, infelizmente, a empresa encerrou suas atividades em 2019. Em retrospectiva, o maior problema do Jibo foi a falta de capacidades avançadas de linguagem. Na época, ele competia diretamente com assistentes virtuais como a Siri da Apple e a Alexa da Amazon, tecnologias que dependiam fortemente de scripts pré-programados. Em termos gerais, quando você falava com esses sistemas, o software convertia sua fala em texto, analisava a intenção por trás da solicitação e gerava uma resposta com base em trechos pré-aprovados. Essas respostas podiam ser cativantes, mas também repetitivas, previsíveis e, em muitos casos, entediantes — verdadeiramente robóticas. Essa limitação era especialmente problemática para um robô que deveria ser social e voltado para o uso familiar.

Desde então, entretanto, ocorreu uma revolução na forma como as máquinas geram linguagem. Os modos de voz dos principais provedores de IA hoje são impressionantes, e várias startups de hardware tentam — e falham — construir produtos que aproveitem essa tecnologia. No entanto, isso trouxe um novo risco: enquanto conversas baseadas em scripts dificilmente saem dos trilhos, aquelas geradas por IA podem facilmente desandar. Alguns brinquedos com IA populares, por exemplo, já conversaram com crianças sobre como encontrar fósforos e facas. É um lembrete de que, embora a geração de linguagem natural tenha avançado drasticamente, os desafios de segurança e controle permanecem críticos.

Em 2018, praticamente todos os principais laboratórios de robótica abandonaram a abordagem baseada em regras rígidas e passaram a treinar robôs por meio de tentativa e erro. A OpenAI, por exemplo, tentou treinar sua mão robótica, chamada Dactyl, em ambientes virtuais — com modelos digitais da mão e de pequenos cubos, do tamanho da palma de uma mão, que o robô deveria manipular. Esses cubos tinham letras e números em suas faces, e a tarefa poderia ser, por exemplo, “girar o cubo para que o lado vermelho com a letra O fique voltado para cima”.

O problema é que um braço robótico pode se tornar excepcionalmente bom em realizar essa tarefa no mundo simulado, mas, ao transferir o programa para um ambiente real, as mínimas diferenças entre os dois mundos podem causar falhas. As cores podem ser ligeiramente distintas, a borracha deformável nas pontas dos dedos do robô pode ser mais elástica do que no simulador, e assim por diante. A solução encontrada foi chamada de *randomização de domínio*: criar milhões de mundos simulados, cada um ligeiramente diferente do outro em aspectos como atrito, iluminação ou saturação de cores. Ao expor os robôs a essa ampla gama de variações, eles se tornam mais capazes de manipular os objetos no mundo real. Essa técnica funcionou com o Dactyl, e, um ano depois, o mesmo núcleo de algoritmos foi usado para resolver cubos mágicos — embora com um índice de sucesso de apenas 60% em casos gerais e meros 20% em situações mais complexas.

No entanto, os limites da simulação significam que essa técnica hoje desempenha um papel muito menor do que em 2018. A OpenAI fechou sua divisão de robótica em 2021, mas recentemente reabriu o setor — aparentemente focando em robôs humanoides. Mesmo com esses desafios, o aprendizado por simulação continua sendo uma ferramenta poderosa, mas agora é apenas uma peça do quebra-cabeça cada vez mais complexo da robótica moderna.

Por volta de 2022, a equipe de robótica do Google estava envolvida em projetos inusitados. Durante 17 meses, eles forneceram controles de robôs a pessoas comuns e filmaram enquanto elas executavam tarefas que iam desde pegar sacos de chips até abrir potes de vidro. Ao final, a equipe havia catalogado mais de 700 tarefas distintas. O objetivo era construir e testar um dos primeiros *modelos fundamentais* de grande escala para robótica. Inspirado nos grandes modelos de linguagem, a ideia era inserir uma grande quantidade de texto, tokenizá-lo em um formato que um algoritmo pudesse processar e, então, gerar uma saída. O modelo RT-1 do Google recebia informações sobre o que o braço robótico estava “vendo” e como as diversas partes do braço estavam posicionadas; em seguida, recebia uma instrução em linguagem natural e traduzia essa ordem em comandos motores para mover o robô. Quando a tarefa já havia sido vista antes, o robô conseguia cumpri-la com sucesso em 97% das vezes. Para instruções completamente novas, a taxa de sucesso caía para 76%.

Já em sua segunda iteração, o RT-2, lançado no ano seguinte, deu um salto ainda maior. Em vez de treinar apenas com dados específicos de robótica, o modelo foi treinado com uma ampla variedade de imagens da internet, semelhante aos modelos de visão-linguagem que muitos pesquisadores estavam desenvolvendo na época. Isso permitiu que o robô interpretasse a localização de certos objetos em uma cena com muito mais precisão. “Tudo isso foi desbloqueado”, conta Kanishka Rao, engenheiro robótico da Google DeepMind que liderou os trabalhos em ambas as versões. “Agora podemos fazer coisas como ‘coloque a lata de Coca-Cola perto da foto da Taylor Swift’ com relativa facilidade.”

Em 2025, o Google DeepMind levou essa integração ainda mais longe, lançando um modelo chamado *Gemini Robotics*, que melhorou ainda mais a capacidade dos robôs de entender comandos em linguagem natural. Essa abordagem representa um avanço significativo rumo a robôs que não apenas executam tarefas, mas compreendem o contexto em que estão inseridos, permitindo interações mais naturais e intuitivas.

Em 2017, antes de a OpenAI fechar sua primeira equipe de robótica, um grupo de engenheiros se desligou da empresa para fundar a Covariant, com um objetivo muito mais pragmático: construir não robôs humanoides de ficção científica, mas braços robóticos capazes de pegar e mover objetos em armazéns. Depois de desenvolver um sistema baseado em modelos fundamentais semelhantes aos do Google, a Covariant implantou essa plataforma em armazéns de empresas como Crate & Barrel, tratando o ambiente como um pipeline de coleta de dados. Até 2024, a empresa havia lançado um modelo robótico, o RFM-1, que podia ser interagido como um colega de trabalho. Por exemplo, se você mostrasse ao braço robótico várias embalagens de bolas de tênis, poderia instruí-lo a mover cada uma para uma área separada. O robô não apenas executava a tarefa, mas também podia fazer observações — como prever que não conseguiria segurar adequadamente um item e pedir conselhos sobre qual tipo de ventosa usar.

Esse tipo de interação havia sido demonstrado em experimentos de laboratório, mas a Covariant foi a primeira a implementá-lo em escala significativa. Hoje, a empresa possui câmeras e sistemas de coleta de dados em todos os locais de seus clientes, alimentando modelos cada vez mais robustos com dados reais. Nem tudo saiu perfeito, é claro. Em uma demonstração em março de 2024 com uma variedade de itens de cozinha, o robô teve dificuldade quando pediu para “devolver a banana” ao seu local original. Ele pegou uma esponja, depois uma maçã, e uma série de outros itens antes de finalmente concluir a tarefa. “Ele não entende o novo conceito de rastrear seus próprios passos”, explicou Peter Chen, cofundador da Covariant, na ocasião. “Mas é um bom exemplo — pode não funcionar bem em lugares onde não temos dados de treinamento suficientes.”

Chen e seu colega Pieter Abbeel logo foram contratados pela Amazon, que atualmente licencia o modelo robótico da Covariant (a gigante do e-commerce não respondeu a pedidos de comentário sobre como a tecnologia está sendo utilizada, mas opera cerca de 1.300 armazéns nos Estados Unidos sozinha). Essa parceria sinaliza uma tendência clara: a robótica industrial está se tornando cada vez mais integrada ao dia a dia das operações logísticas, com robôs que não apenas aumentam a eficiência, mas também aprendem com o ambiente real.

As novas rodadas de investimento em startups de robótica estão voltadas, em grande parte, para máquinas com forma humana. Os robôs humanoides prometem entrar de forma transparente nos espaços e funções onde os humanos atualmente trabalham, eliminando a necessidade de reconfigurar linhas de montagem para acomodar estruturas não convencionais, como braços gigantes. No entanto, como diz o ditado, “é mais fácil falar do que fazer”. Na maioria dos casos em que humanoides aparecem em armazéns reais, eles ainda estão confinados a zonas de teste e programas-piloto.

Mesmo assim, o Digit, da Agility Robotics, parece estar realizando trabalho real. Com juntas expostas e uma cabeça que lembra mais uma estrutura funcional do que um rosto humano, o design prioriza a funcionalidade em detrimento da estética de ficção científica. Empresas como Amazon, Toyota e GXO (um gigante da logística que atende clientes como Apple e Nike) já implantaram o Digit — tornando-o um dos primeiros exemplos de um robô humanoide que as empresas veem como uma fonte real de economia de custos, e não apenas uma novidade tecnológica. Os Digits passam seus dias pegando, movendo e empilhando caixas de transporte.

Apesar dos avanços, o Digit ainda está longe de ser o assistente humanoide que o Vale do Silício imagina. Por exemplo, ele só consegue levantar até 16 kg (35 libras), e, toda vez que a Agility tenta aumentar sua capacidade de carga, a bateria fica mais pesada, exigindo recargas mais frequentes. Além disso, organizações de padronização afirmam que os humanoides necessitam de regras de segurança mais rígidas do que a maioria dos robôs industriais convencionais, pois são projetados para serem móveis e operar em proximidade com pessoas. Esses desafios mostram que a revolução no treinamento de robôs não está convergindo para um único método, mas sim se diversificando em várias abordagens promissoras.

A Agility, por exemplo, ainda depende de técnicas de simulação semelhantes às que a OpenAI usou para treinar sua mão robótica. Além disso, a empresa trabalhou com os modelos Gemini do Google para ajudar seus robôs a se adaptarem a novos ambientes. Essa é a realidade para onde mais de uma década de experimentações levou a indústria: agora, o foco é construir robôs cada vez maiores, mais capazes e mais integrados à vida cotidiana. Os humanoides, embora ainda não sejam perfeitos, representam a fronteira mais empolgante desse movimento.

Para entender melhor o futuro da robótica e o papel da inteligência artificial nesse cenário, tivemos uma conversa exclusiva com Jakub Pachocki, cientista-chefe da OpenAI. Ele falou sobre os novos desafios grandiosos da empresa e como a evolução dos modelos de IA está moldando o desenvolvimento de robôs autônomos. Segundo Pachocki, o próximo passo não é apenas fazer robôs que executem tarefas, mas sim máquinas que compreendam o mundo de forma semelhante aos humanos — um salto que exigirá não apenas algoritmos avançados, mas também uma integração mais profunda entre visão computacional, processamento de linguagem natural e controle motor.

Enquanto isso, outras empresas estão explorando abordagens inovadoras para acelerar o treinamento de robôs. A Niantic, conhecida por seu jogo *Pokémon GO*, recentemente criou uma *spin-off* focada em modelos de mundo, treinando um novo sistema usando 30 bilhões de imagens de marcos urbanos coletadas de jogadores ao redor do mundo. Essa abordagem de “aprendizado por observação” poderia ajudar robôs a navegar em ambientes complexos e dinâmicos, como cidades ou ambientes internos, com muito mais eficiência. Já a Axiom Math está distribuindo gratuitamente uma nova ferramenta de IA poderosa, embora ainda reste saber se ela realmente acelerará a pesquisa robótica como esperado.

De acordo com o *AI Index 2026* da Universidade de Stanford, a inteligência artificial está avançando em um ritmo alucinante, enquanto a sociedade ainda tenta acompanhar esse desenvolvimento. A robótica, como um de seus principais braços, não é exceção. Robôs que antes eram restritos a linhas de produção agora estão sendo testados em lares, hospitais e logística, graças a avanços em algoritmos de aprendizado de máquina, sensores mais precisos e hardware mais acessível. No entanto, os desafios persistem: desde a segurança até a ética, passando pela adaptação a ambientes não estruturados, há muito trabalho a ser feito.

Um exemplo emblemático é o uso de robôs em ambientes domésticos. Empresas como a Amazon e a Tesla estão investindo pesadamente em assistentes domésticos humanoides, que prometem ajudar em tarefas cotidianas, desde cozinhar até organizar a casa. No entanto, a implementação prática ainda enfrenta obstáculos significativos. Robôs domésticos precisam lidar com a imprevisibilidade do ambiente doméstico — desde objetos fora do lugar até mudanças constantes na disposição dos móveis. Além disso, a interação natural com humanos requer não apenas habilidades motoras avançadas, mas também uma compreensão profunda do contexto social, das emoções e das intenções por trás das ações.

A evolução da robótica nos últimos anos também levantou questões importantes sobre o futuro do trabalho. Se robôs podem realizar tarefas repetitivas com eficiência cada vez maior, quais serão os impactos no mercado de trabalho? Enquanto alguns argumentam que a automação criará novos empregos e aumentará a produtividade, outros alertam para o risco de desemprego em massa em setores tradicionais. A Covariant, por exemplo, já está mostrando como robôs podem trabalhar lado a lado com humanos em armazéns, aumentando a eficiência sem necessariamente substituir completamente a mão de obra humana. Essa abordagem colaborativa pode ser um modelo para o futuro, onde robôs e humanos atuam como complementares, cada um contribuindo com suas habilidades únicas.

Outro avanço recente que merece destaque é o uso de *transformers* em robótica. Inspirados nos modelos de linguagem que revolucionaram a IA generativa, os *transformers* estão sendo adaptados para tarefas de controle robótico. Esses modelos são capazes de processar sequências de dados — como imagens de uma câmera ou leituras de sensores — e prever a próxima ação mais provável que um robô deve tomar. Essa abordagem permite que os robôs aprendam de forma mais eficiente e se adaptem a novas situações com muito menos dados do que os métodos tradicionais. Empresas como a Boston Dynamics já estão incorporando essas tecnologias em seus robôs, como o Stretch, que é projetado para operar em ambientes de armazenamento e logística.

A robótica também está se beneficiando dos avanços em hardware. Sensores mais baratos e precisos, como câmeras 3D e lidars, estão permitindo que os robôs mapeiem e naveguem em ambientes complexos com muito mais facilidade do que antes. Além disso, o desenvolvimento de baterias mais leves e duradouras está possibilitando que robôs humanoides operem por períodos mais longos sem recarregar. A Tesla, por exemplo, tem investido fortemente em seu projeto de robô humanoide, o Optimus, que promete ser uma plataforma versátil para uma ampla gama de tarefas domésticas e industriais.

No entanto, os desafios éticos e sociais da robótica humanoide não podem ser ignorados. À medida que os robôs se tornam mais parecidos com humanos, surge a questão de como eles devem ser projetados para interagir com as pessoas. Deve um robô ter expressões faciais? Como deve se comportar em situações sociais delicadas? E, mais importante, como garantir que esses robôs sejam seguros e não representem riscos para os humanos? Essas são perguntas que a indústria ainda está começando a responder, mas que serão cruciais para o sucesso a longo prazo da robótica humanoide.

Outro ponto de atenção é a privacidade e a segurança dos dados. Robôs equipados com câmeras e microfones estão cada vez mais presentes em ambientes privados, como lares e escritórios. Isso levanta preocupações sobre como esses dados são coletados, armazenados e usados. Empresas como a Amazon já enfrentaram críticas por suas políticas de privacidade, e a integração de robôs nessas áreas só tornará essas questões mais prementes. A transparência e a regulamentação serão essenciais para garantir que a robótica avance de forma ética e responsável.

Apesar dos desafios, o futuro da robótica parece promissor. Com o avanço contínuo da inteligência artificial, do hardware e das técnicas de aprendizado de máquina, é provável que vejamos robôs cada vez mais capazes e integrados ao nosso dia a dia. Desde robôs que ajudam em lares até máquinas que revolucionam a logística e a manufatura, a robótica está se tornando uma parte cada vez mais importante de nossas vidas. No entanto, é fundamental que esse avanço seja acompanhado por um debate sério sobre os impactos sociais, éticos e econômicos que ele trará.

À medida que nos aproximamos de 2026, fica claro que a robótica não é mais uma promessa distante — é uma realidade em rápido desenvolvimento. As empresas que conseguirem equilibrar inovação, segurança e responsabilidade estarão na vanguarda dessa revolução tecnológica. Para os consumidores, isso significa um futuro onde robôs podem não apenas executar tarefas, mas também se tornarem verdadeiros parceiros no cotidiano. Para os profissionais da área, é uma chamada para continuar explorando os limites do possível, sempre com um olho nas implicações mais amplas de seu trabalho.

Em resumo, a história da robótica está sendo reescrita diante de nossos olhos. O que antes parecia ficção científica agora está se tornando realidade, graças a uma combinação de algoritmos avançados, hardware inovador e uma nova abordagem para o aprendizado de máquinas. Embora ainda haja muitos desafios a serem superados, o potencial da robótica para transformar nossas vidas é imenso. E, como sempre, cabe a nós garantir que essa transformação seja para melhor.