IA do Google revoluciona robótica e dá a robôs poder para comandar máquinas

O Google acaba de apresentar um novo modelo de inteligência artificial para dar a robôs a capacidade de calcular cada movimento, arquitetar uma série de ações para dar conta de tarefas complexas e até se comunicar com outras máquinas para trabalharem juntos.

Se até agora os modelos de inteligência artificial geram fascínio ao dar superpoderes a agente digitais limitados ao mundo virtual, o Gemini Robotics 2 traz essas habilidades de interação autônoma para o mundo físico, onde estímulos sensoriais, como visão e tato, precisam ser processados pela máquina. Demonstrações vistas com exclusividade pela coluna mostram como a nova IA permite ao robô adaptar suas ações no instante em que vê e ouve algo relevante, algo inviável até agora sem grandes ajustes no sistema.

O Gemini Robotics 2 é o nosso primeiro modelo que vai além da manipulação sobre mesas e realmente dá um passo no mundo físico para realizar um conjunto muito mais amplo de tarefas. A realidade é que o mundo ao nosso redor foi feito para humanos; se queremos robôs úteis em nossas casas e locais de trabalho, eles precisam dessa mesma compreensão física, intuitiva e inteligente de seus corpos.
Carolina Parada, vice-presidente de robótica no Google DeepMind

Robôs industriais, de logística e mesmo os humanoides demonstraram grande utilidade, desde que fazendo tarefas repetitivas, pré-programadas e em ambientes estritamente controlados. Exemplos dos habitats naturais ideais são linhas de montagem ou entregas em rotas mapeadas. No entanto, são gargalos enormes as imprevisibilidades do mundo real —mesmo as menores e mais naturais possíveis: mudar um objeto de lugar ou alterar o ambiente é o suficiente para interromper essas máquinas, exigindo reprogramação complexa e limitando seu uso em larga escala.

O Gemini Robotics 2, nova família de IA da Google DeepMind, derruba essa barreira. Em vez de focar em movimentos robóticos performáticos, a empresa concentrou seus esforços em criar uma camada de inteligência capaz de avaliar, planejar e agir em tempo real. A novidade promete transformar a robótica ao introduzir controle corporal completo, destreza manual avançada e a capacidade inédita de cooperação simultânea entre diferentes robôs.

O Gemini entra literalmente no mundo físico. Pela primeira vez, o Gemini Robotics 2 está controlando todo o humanoide, da cabeça aos pés, focando na capacidade do modelo de manipular e interagir com o mundo, em oposição a um humanoide que apenas dança
Kanisha Rao, diretor de robótica no Google DeepMind

Do topo da cabeça à ponta dos pés

O salto do Gemini Robotics 2 para suas versões anteriores vai além de controlar corpos humanoides integralmente. O modelo toma decisões em tempo real coordenando dezenas de articulações simultaneamente, equilibrando momento e postura para realizar ações cotidianas como caminhar, agachar, curvar-se ou esticar uma mão enquanto mantém a outra sobre a mesa. Tudo de acordo com a atividade a ser executada, seja recolher objetos do chão ou transferir algo de uma prateleira para a outra mais distante.

Além da mobilidade global do corpo, o aprimoramento da destreza manual representa outro salto significativo do novo modelo. A motricidade dos dedos sempre foi considerada um dos maiores desafios da engenharia robótica, dada a complexidade anatômica das mãos humanas. A tecnologia do Google passa a controlar hardwares avançados —como as mãos do Apollo 2, robô da Apptronik com mãos Sharpa, dotadas de cinco dedos e 22 graus de liberdade— operando tarefas de altíssima precisão. Isso inclui fazer movimentos de pinça, modular a pressão aplicada pelos dedos à sensibilidade do objeto segurado e decidir quando envolver outros dedos em uma ação.

Em uma das demonstrações vistas pela coluna, o Apollo pegou um saco plástico com uma das mãos e abriu o ziplock com a outra. Com essa mesma mão, apanhou um cacho de uvas delicadamente para não esmagá-las, colocou-as no saco e fechou o zíper devagar. O Google ainda mediu a acurácia do robô em atividades para lá de banais, mas que envolvem destreza, como amarrar sacos de lixo (44%), manusear pás de lixo (32%) e desatarraxar lâmpadas (92%) —esta última exige uma sequência de gestos para lá de cuidadosa e complexa, para humano nenhum nunca mais reclamar de lâmpadas queimadas e não trocadas.

A primeira coisa que ele deve fazer é reorientar o abajur com as mãos, inclinar a cabeça para olhar para a lâmpada e usar a amplitude de movimento do indicador e polegar para criar o movimento de rotação. Todas essas coisas que fazemos diariamente e sem pensar são desafiadoras para o robô fazer de forma inteligente
Kanisha Rao, diretor de robótica no Google DeepMind

Trabalho em equipe entre múltiplos robôs

Outro avanço do Gemini Robotics 2 é a capacidade de orquestrar a colaboração entre múltiplos robôs no mesmo espaço físico, uma inovação com potencial de revolucionar a vida de empresas que se apóiam em máquinas para operar.

Em demonstrações vistas pela coluna, duas máquinas atuam em conjunto para organizar uma garagem. Uma delas é o humanoide Apollo, outra é o robô industrial Duo, da Frankka Robotics, dotado apenas de um par de braços robóticos.

Na prática, o que se vê é o seguinte: o Apollo inicia a tarefa e tira objetos de uma caixa organizadora, anda até uma estante e organiza os itens numa prateleira; depois pede ajuda, e Duo pinça os itens menores de dentro da caixa e os coloca em um estojo de ferramentas. Nos bastidores da IA, o que ocorreu foi o humanoide ter identificado os limites de sua estrutura e solicitado suporte ao Duo para finalizar etapas de maior precisão. Isso ocorre porque, em vez de o controle estar centralizado em uma única rede neural pesada, cada robô roda internamente sua própria inteligência artificial. Vai, com isso, processando os próprios raciocínios e comunicando suas conclusões aos demais por meio de linguagem natural.

Como a comunicação entre eles e a delegação de sub-tarefas ocorre de forma transparente, ou seja, em alto e bom som, qualquer ser humano da equipe pode intervir e adaptar o fluxo de trabalho.

Um cérebro, vários corpos, sem nuvem

Transportar as habilidades da IA do ambiente virtual para o mundo físico requer abordagem técnica diferente daquela que deu asas ChatGPT (OpenAI), Claude (Anthropic) e Gemini (Google). Enquanto o motor desses chatbots são LLMs (grandes modelos de linguagem), especializados em processar informação expressa por meio da linguagem, com o Gemini Robotics 2 entra em cena algo diferente.

É o VLM, IA que processa linguagem e visão, e o VLA, modelo que processa tudo isso e ação. Ficou difícil? O que essa IA faz é transformar o que o robô vê e ouve em subsídio para calcular e prever quais movimentos fará a seguir com o corpo todo. E essa operação muda a todo o tempo, conforme o robô recebe estímulos visuais ou sonoros de que o ambiente foi alterado.

Para viabilizar essas aplicações em cenários diversificados, o Google estruturou o Gemini Robotics 2 como uma família modular de modelos:

• Gemini Robotics 2: é o modelo principal de VLA, responsável por traduzir comandos em linguagem natural e entradas visuais em controle motor a ser executado por todo o corpo do robô;
• Gemini Robotics ER 2 (Embodied Reasoning): é o VLM mais eficiente da família de IA, que, nas palavras do Google, funciona como "um raciocínio corporificado". Ou seja, é essa parte do "cérebro robótico" que pondera o ambiente e seus elementos para dividir grandes missões em etapas menores e monitorar o progresso ao longo do tempo. Também é ele que permite a conversa com humanos e comunicação com outras máquinas;
• Gemini Robotics On-Device 2: essa é a versão otimizada da IA para rodar de forma local nos robôs, o que permite algumas ações em cenários sem conexão com a internet. Outra função crucial desempenhada por esse modelo de IA é poder se adaptar a diferentes corpos robóticos (duas pernas e dois braços; dois braços e rodas; apenas braços; braço nenhum e apenas piças) em questão de poucas horas com um volume reduzido de dados de treino.

Segurança para dizer 'não'

Falhas na robótica podem ter repercussões totalmente diferentes dos deslizes de modelos de IA que operam exclusivamente no ambiente digital. Provocados pela interpretação errada de um comando ou pela compreensão equivocada de um objeto, acidentes no mundo real comprometem a integridade física de seres humanos.

Por isso, a equipe da DeepMind estruturou a segurança do Gemini Robotics 2 em um funil de múltiplas camadas, que abrange desde a segurança semântica (recusa de ordens perigosas, como manipular líquidos ferventes) até limitações físicas (a proximidade humana reduz velocidade, força e disparada uma parada de emergência).

O robô deve saber não apenas o que fazer, mas também o que não fazer
Vikas Sindhwani, pesquisador científico de robótica no Google DeepMind

Outra dessas camadas é a gestão da incerteza. O robô não tenta adivinhar, só age diante de situações em que todos os elementos são objetivos. Quer dizer que o agente recusa-se a atuar quando tem sua visão obstruída ou recebe instruções ambíguas de humanos. Em demonstrações vistas pela coluna, um robô Apollo tem um cesto colocado sobre a cabeça e deixa de ver o que está diante dele. Em vez de continuar a ação, avisa uma pessoa e pede ajuda. "Não consigo mais ver a mesa ou a fita. Você poderia, por favor, mover a bolsa?", diz.

Outro movimento do Google nessa linha é o lançamento do ASIMOV-Agent, um benchmark para avaliar a segurança da orquestração de agentes robóticos no mundo físico. Com ele, qualquer fabricante, usando o Gemini Robotics 2 ou não, pode testar a capacidade de suas máquinas recusarem pedidos inseguros, acionarem intervenções ao detectar falhas de hardware e pedirem ajuda humana proativamente quando estiverem incertas.

Disponibilidade e visão de futuro

O modelo de raciocínio incorporado Gemini Robotics ER 2 já está disponível no AI Studio e entrará em preview privado na plataforma Gemini Enterprise Agent, enquanto os modelos de ação estão sendo testados por uma centena de parceiros do Google, como as empresas de hardware de ponta Apptonik e Boston Dynamics.

Na avaliação de Parada, barreiras tecnológicas, de infraestrutura e de custos ainda são um gargalo para robôs com esses modelos de IA serem incorporados de forma massiva em residências. Ainda assim, diz, o Gemini Robotics 2 estabelece uma base técnica sólida para a chamada "IA Física" (Physical AGI).

O avanço, no entanto, sinaliza um futuro em que a tecnologia deixa de ser apenas uma ferramenta de consulta em telas ou de execução de ações virtuais para se tornar uma parceira ativa na realização de tarefas complexas no cotidiano humano.

DEU TILT

Toda semana, e conversam sobre as tecnologias que movimentam os humanos por trás das máquinas. O programa é publicado às terças-feiras no e nas. Assista ao episódio da semana completo.

Reportagem

Texto que relata acontecimentos, baseado em fatos e dados observados ou verificados diretamente pelo jornalista ou obtidos pelo acesso a fontes jornalísticas reconhecidas e confiáveis.