Um robô humanoide é um robô cuja forma física se aproxima do corpo humano, tipicamente incluindo cabeça, tronco, dois braços com efetuadores finais semelhantes a mãos e duas pernas, um design destinado a permitir que a máquina opere em espaços, ferramentas e fluxos de trabalho construídos para pessoas sem exigir que o ambiente seja redesenhado. A categoria abrange décadas de protótipos de pesquisa, incluindo o ASIMO da Honda, revelado em 2000, e o Atlas da Boston Dynamics, desenvolvido inicialmente para a DARPA em 2013, mas atraiu uma nova onda de investimento comercial a partir de cerca de 2022, impulsionada por avanços em locomoção baseada em aprendizado por reforço, atuadores e baterias mais baratos, e o surgimento de sistemas modelo de visão-linguagem de propósito geral capazes de interpretar instruções e cenas.
Desenvolvimento histórico
A pesquisa inicial em robôs humanoides priorizou a locomoção e o equilíbrio como o problema central mais difícil: o ASIMO demonstrou caminhada bípede estável e subida de escadas, enquanto o Atlas, inicialmente construído para tarefas de resposta a desastres sob um programa da DARPA, tornou-se conhecido por movimento dinâmico e atlético, como corrida e saltos mortais, desenvolvidos pela Boston Dynamics. Essas plataformas dependiam fortemente de teoria de controle clássica e planejamento baseado em modelos, em vez de percepção aprendida, e eram em grande parte sistemas de pesquisa ou demonstração, em vez de produtos comerciais, refletindo a lacuna mais ampla entre o progresso digital e físico da IA discutida no artigo sobre robótica.
A onda de 2022-2026
O interesse comercial em humanoides acelerou acentuadamente a partir de 2022. Elon Musk apresentou o projeto Optimus da Tesla em 2022, posicionando-o como um robô trabalhador de propósito geral fabricável em massa e uma extensão de longo prazo da pilha de percepção carro autônomo da Tesla. A Figure AI, apoiada por investidores incluindo OpenAI, Microsoft e Nvidia, começou a testar seu humanoide em ambientes de armazém e manufatura a partir de 2023 e firmou uma colaboração amplamente divulgada com a OpenAI para integrar raciocínio de modelos grandes em seu robô. Outros participantes incluíram o Digit da Agility Robotics, já implantado em testes logísticos limitados, e uma onda de fabricantes chineses como Unitree e Fourier Intelligence, que reduziram os custos de hardware. A Boston Dynamics revelou uma versão totalmente elétrica do Atlas em 2024, substituindo seu predecessor hidráulico e mudando seu foco de pesquisa para controle aprendido, em vez de puramente projetado.
Modelos de visão-linguagem-ação
A aposta técnica central por trás da onda de 2024-2026 é que a mesma receita que produziu sistemas modelo de linguagem de grande escala capazes, pré-treinar um modelo grande em dados amplos e depois adaptá-lo a uma tarefa, pode ser estendida ao controle físico por meio de modelos de visão-linguagem-ação, ou VLA: um backbone modelo de visão-linguagem é treinado ou ajustado para emitir comandos de articulação do robô diretamente, permitindo que um único modelo siga instruções em linguagem natural em uma variedade de tarefas de manipulação e locomoção após treinamento em dados de demonstração coletados via teleoperação. O RT-2 do Google DeepMind e esforços sucessores, juntamente com trabalhos semelhantes da Figure, Physical Intelligence e outros laboratórios focados em robótica, são exemplos dessa abordagem, que seus proponentes argumentam poder permitir que robôs humanoides generalizem da mesma forma que modelos de linguagem de grande escala generalizam em tarefas de texto, embora a quantidade de dados de treinamento físico do mundo real disponível permaneça muito menor do que os corpora de texto usados para modelos de linguagem.
Perspectivas e ceticismo
Os proponentes enquadram os robôs humanoides como uma potencial mudança de mercado de trabalho de trilhões de dólares, capazes de realizar manufatura, logística e, eventualmente, tarefas domésticas em escala. Os céticos observam uma longa história de cronogramas robóticos superprometidos, apontam para desafios não resolvidos em manipulação hábil, vida útil da bateria e custo, e argumentam que designs de robôs específicos para tarefas frequentemente superarão formatos humanoides de propósito geral para um determinado trabalho, tornando o ritmo e a escala eventual da implantação humanoide até o final dos anos 2020 genuinamente incertos.