A PHANES AI, fundada pelo professor Yan Shuo do Instituto de Tecnologia de Harbin em Shenzhen, lançou o TouchWorld — um modelo tátil básico preditivo e reativo. Este modelo confere aos robôs a capacidade de sentir toques, permitindo-lhes executar tarefas físicas complexas com alta precisão.
Solução para o problema da percepção
O trabalho da PHANES AI elimina uma lacuna crítica em modelos existentes do tipo VLA (visão-linguagem-ação). Estes modelos são capazes de reconhecer visualmente se o dedo do robô está em contato com um botão, mas não conseguem determinar se esse botão foi efetivamente pressionado.
Funções do sensoriamento tátil
O TouchWorld confere ao sondamento tátil uma função dupla no controle de robôs. Em primeiro lugar, é uma função preditiva: antes de executar qualquer ação, o modelo prevê não apenas a aparência da cena após a conclusão de uma subtarefa, mas também o mapa tátil correspondente. Este mapa indica qual dedo deve sentir pressão, onde o contato deve ocorrer e com que intensidade. Assim, o robô recebe um ponto alvo físico que não pode ser verificado apenas pela visão.
Em segundo lugar, é uma função reativa: após estabelecer o contato, o modelo analisa continuamente os sinais táteis e o estado das articulações. Isso permite aplicar microcorreções para ajustar a posição do dedo, a força de preensão e o ângulo do pulso em tempo real, sem exigir um novo planejamento pela política de alto nível.
Resultados de testes em condições reais
Ao ser testado em robôs reais em seis tarefas diferentes — regar plantas, limpar uma mesa, inserir um garfo, inserir uma xícara, limpar uma frigideira e retirar guardanapos — o TouchWorld demonstrou uma taxa média de sucesso de 65,0% em condições não perturbadas. Na presença de perturbações, incluindo movimento do alvo e interferências na preensão, a porcentagem de sucesso foi de 57,2%, superando os indicadores do melhor nível base em 15,7 e 16,0 pontos percentuais, respectivamente. Cada tarefa foi treinada com 200 trajetórias de teleoperação e avaliada em 100 testes em robôs reais.
Filosofia da arquitetura do modelo
A empresa afirma que o feedback tátil não pode ser simplesmente adicionado como mais uma modalidade de dados aos modelos VLA existentes. Os dados táteis diferem fundamentalmente dos visuais em densidade de informação, temporização e velocidade de processamento. Se forem inseridos no mesmo modelo, os sinais táteis podem ser suprimidos pelas informações visuais. Em vez disso, o TouchWorld utiliza uma arquitetura separada, onde a previsão e a reação tátil operam paralelamente ao pipeline VLA, e não dentro dele. Isso permite que o modelo tanto preveja os resultados do contato físico quanto reaja a interações inesperadas com a velocidade necessária para manipulações no mundo real.