Daimon Robotics constrói pipeline de dados táteis para robôs

Uma câmara consegue ver um conector. Não consegue dizer a um robô se o conector já encaixou, nem que um saco está a começar a escorregar da pinça. Essa lacuna entre o que as máquinas veem e o que sentem ao contacto é o que a Daimon Robotics decidiu explorar, e a empresa quer vender as ferramentas para a colmatar, e não o robô acabado.

A abordagem da empresa assenta num pipeline. O seu parceiro e vice-presidente de tecnologia, Dr. Zhu, disse à The Robot Report que a Daimon está a «fornecer a infraestrutura» para os clientes a jusante e que «não pretende ser um programador de modelos de base». Na prática, isto significa sensores táteis, dispositivos de recolha de dados como o seu dispositivo Umi para captar interações humanas, ferramentas de simulação e modelos de IA, todos concebidos para funcionar em conjunto. No seu sistema, o retorno tátil funciona a 30 Hz, ou seja, 30 leituras por segundo, o que é necessário em tarefas com muito contacto quando uma peça se comporta de forma inesperada.

O estrangulamento são os dados. As imagens podem ser captadas com facilidade através de câmaras; os dados do tato dependem de cada contacto físico e variam com o material e a geometria do objeto, com as forças aplicadas e com a própria tarefa. A simulação deveria multiplicar esses dados, mas a distância entre a física virtual e a física real continua grande, sobretudo no caso do atrito e das forças de contacto. A resposta da Daimon é calibrar as suas simulações com medições reais antes de transferir os dados recolhidos para ambientes virtuais. A empresa discutiu a recolha de mais de 10 000 horas de dados, e a sua iniciativa a mais longo prazo, a Daimon-Infinity, visa mais de 1 milhão de horas de dados táteis incorporados. São objetivos e planos, não um conjunto de dados já entregue.

A Daimon afirma ter ultrapassado as demonstrações. Na conferência IROS 2026, mostrou robôs a aplicar desenhos de transferência de calor em sacos de transporte, a enfiar pulseiras e a recolher e embalar vidro partido, tarefas que, segundo a empresa, foram executadas com modelos de base treinados com dados de vários cenários. Identifica a Lenovo Capital e a Inovance Technology como parceiros-chave e diz estar a trabalhar em linhas de montagem industriais e armazéns, sem identificar um único cliente. Não existe verificação independente destas implementações, e a própria empresa apresenta como verdadeiro teste o desempenho em produção.

O que muda, e para quem? Se a abordagem funcionar, os fabricantes de robôs de montagem e embalagem poderiam adquirir capacidade tátil e dados de treino em vez de os recolherem por conta própria, um passo que importa sobretudo para os pequenos programadores que não têm meios para criar os seus próprios programas de dados. A Daimon está também a estudar como os seus dados de interação humana poderiam treinar modelos para robôs humanoides e robôs de dois braços. A rapidez com que isso acontecerá depende de questões que as fontes deixam em aberto: o desempenho das ferramentas fora das demonstrações da própria empresa e se a ambição de 1 milhão de horas será alcançada.