IA de robô prevê o resultado antes de agir: 78,4% em laboratório

Um robô capaz de imaginar o resultado do seu próprio movimento antes de o executar deixou de ser uma experiência de pensamento. Na Universidade Nacional de Seul, uma equipa liderada pelo professor Jaeyoung Do, do AIDAS Lab, criou um sistema que lê um pedido falado ou escrito, imagina a cena final e depois move o braço para lá chegar. Nos testes da própria equipa, em quatro cenários de manipulação reais, o sistema, chamado Dynin-Robotics, teve sucesso em 78,4% dos casos, em média.

O problema que aborda é familiar a quem já viu um robô falhar numa cozinha desconhecida. Um robô consegue repetir um movimento aprendido em condições fixas, mas as tarefas reais mudam: a chávena está noutro sítio, a gaveta tem outra forma e as pessoas pedem as coisas com outras palavras. Sistemas recentes recorreram a grandes modelos de linguagem, os motores de texto por trás dos chatbots, para compreender pedidos, e a modelos de geração de vídeo para prever o que vem a seguir. A equipa de Seul fundiu as duas capacidades num único modelo, de modo que compreender a instrução, prever o resultado e gerar o movimento são aprendidos em conjunto.

O mecanismo é simples de descrever. A partir da imagem da câmara e da instrução, o modelo produz uma imagem da cena que espera obter quando a tarefa estiver concluída. Essa imagem prevista serve então de referência para gerar o movimento ou é usada para avaliar vários movimentos candidatos e manter o mais adequado. Em tarefas simuladas de colheita de fruta e de arranjo de flores, um modelo treinado desta forma respondeu melhor a pedidos indiretos, como «Coloca a flor que simboliza o amor», do que um modelo treinado apenas para produzir ações, que tinha de depender de o objeto ser mencionado diretamente.

A velocidade foi o segundo problema. A equipa agrupou a informação necessária para uma sequência de ações e previu-a em paralelo, reutilizando resultados intermédios que o cálculo, de outra forma, repetiria. O gerador de ações funcionou até cerca de 29,2 vezes mais depressa do que a versão não otimizada e até cerca de 36,6 vezes mais depressa do que o modelo π0.5 da Physical Intelligence, uma empresa norte-americana de IA para robótica cujo modelo era uma das comparações.

O que muda, e para quem? Por enquanto, o ganho é científico: um único modelo que liga o que uma pessoa diz, o aspeto que uma cena terá e a forma como um robô deve mover-se, com uma vantagem medida sobre dois sistemas de comparação. Os robôs capazes de responder a pedidos menos rígidos seriam úteis sobretudo em armazéns, laboratórios e casas, mas as fontes não indicam calendário, produto nem preço, e o trabalho continua a ser um artigo científico no servidor de pré-publicações arXiv. O artigo foi aceite para a NeurIPS 2026, uma das principais conferências de inteligência artificial, e está previsto para ser apresentado em dezembro. A próxima prova virá de saber se os 78,4% se confirmam quando outras equipas realizarem os mesmos testes.