Pesquisadores da Nanyang Technological University, Peking University, HKUST (Guangzhou) e Beijing Academy of Artificial Intelligence (BAAI) lançaram o Omega-0, um modelo de ação de nível mundial baseado em previsão latente. Este modelo permite que robôs humanoides se movam, olhem e realizem tarefas simultaneamente. Ao executar 11 tarefas domésticas reais, o modelo alcançou uma taxa de sucesso de 81,8%, superando significativamente os resultados de pi-0.5, EgoVLA, GR00T-N1.7 e psi-0.
A principal contribuição do modelo não reside tanto no número final, mas sim na sua arquitetura: em vez de prever pixels futuros, o Omega-0 prevê características visuais futuras, utilizando um transformador difusivo para gerar ações de corpo inteiro.
O modelo Omega-0 possui uma arquitetura de treinamento em três estágios. O primeiro estágio é o pré-treinamento do modelo de visão e linguagem para ações de corpo inteiro. A equipe treinou o tokenizador Whole-Body FAST para converter trajetórias contínuas e de alta dimensão do corpo inteiro em tokens de ação discretos. Em seguida, eles ajustaram o Qwen3-VL-2B-Instruct, transformando-o em um VLM especializado para ações de corpo inteiro com tokens treináveis de ponto de vista de primeira e terceira pessoa.
O segundo estágio é o pré-treinamento de ações latentes humanas e robóticas. Usando a ideia V-JEPA, a equipe combinou visão, linguagem e propriocepção do robô, prevendo características visuais futuras através de uma consulta de vídeo e, em seguida, incorporando as características ambientais previstas na representação da ação. Um transformador difusivo gera a representação latente da ação de corpo inteiro.
O terceiro estágio inclui o ajuste fino em condições domésticas reais usando uma estratégia de chunking em tempo real para garantir a continuidade das ações.
Para treinar esta arquitetura, foi criado o conjunto de dados Omega-HOME. Ele inclui 40,3 horas de dados de ambiente real, 4827 trajetórias e 24 tipos de tarefas. Cada trajetória contém instruções linguísticas sincronizadas, vídeos de primeira e terceira pessoa, dados de propriocepção e movimento de corpo inteiro. Este conjunto abrange oito categorias de tarefas domésticas, como coleta de objetos, limpeza de superfícies, uso de eletrodomésticos e organização. As trajetórias são controladas teleoperacionalmente e convertidas em sinais de supervisão para treinamento end-to-end.
A metodologia de benchmark é uma parte mais rigorosa da pesquisa. Para evitar a contaminação dos dados de pré-treinamento, a equipe excluiu 11 tarefas de ajuste fino do Omega-HOME e combinou as restantes com dados de demonstração humana de acesso público para o pré-treinamento do segundo estágio. Assim, o ganho obtido é real, e não um artefato de vazamento do conjunto de teste. O nome do modelo é minimalista: omega-zero é o primeiro de uma série, aparentemente.
Um significado mais amplo reside na aplicação em IA encarnada. A casa representa o objetivo mais complexo para implantação de robôs humanoides, pois exige percepção ambiental constante e coordenação de corpo inteiro. O Omega-0 conecta a previsão do ambiente futuro com a geração de ações de corpo inteiro, o que é uma das abordagens mais fundamentadas atualmente para resolver este problema conjunto dentro de um único modelo. O caminho para um robô que dobra roupas de forma confiável ainda é longo, mas a direção arquitetônica tornou-se menos ambígua do que seis meses atrás. Permanecem questões abertas sobre autonomia de longo prazo, interação segura, generalização de tarefas e adaptação a ambientes complexos. O indicador de 81,8% é um marco útil, e não um objetivo final.
O Ministério da Indústria e Tecnologia da Informação (MIIT) prevê que o volume de produção de robôs humanoides na China ultrapassará 100.000 unidades até 2026. Isso representa um aumento de cinco vezes em comparação com as aproximadamente 20.000 unidades registradas em 2025. O vice-diretor do Departamento de Ciência e Tecnologia do MIIT, Gan Xiaobin, anunciou isso em uma conferência de imprensa na Conferência Mundial de Inteligência Artificial em julho.
O vice-ministro Ke Jixin observou que esse aumento na produção indica a transição dos robôs humanoides da fase de pesquisa técnica para o desenvolvimento padronizado e escalável.
Dados do MIR DATABANK mostram que AgiBot e Unitree formaram um duopólio claro. A AgiBot anunciou a produção de 15.000 unidades no início de junho, enquanto a Unitree concluiu a produção de cerca de 11.000 unidades até março. O parceiro da AgiBot, Yao Maocen, enfatizou que a produção em massa é a base para sair do laboratório para a indústria, e as soluções de implementação agora abrangem sete cenários reais, incluindo carregamento em linha de produção, processamento industrial, classificação logística, serviços, varejo, patrulha de segurança e limpeza comercial.
A Unitree também está acelerando o desenvolvimento por um caminho semelhante. Owen Chen, diretor da região Ásia-Pacífico, declarou que o volume total de entregas em 2026 dobrará pelo menos em comparação com os 6.500 casos em 2025. Para atender à demanda, a Unitree planeja aumentar sua capacidade anual para 30.000 unidades. No entanto, dados do terceiro trimestre de 2025 mostram que mais de 70% da receita da Unitree com robôs humanoides veio de clientes nos setores de pesquisa e educação, enquanto a participação em aplicações industriais foi de apenas 9%, o que significa que a maioria dos robôs enviados não foram para trabalhos fabris.
Os rankings do MIR revelaram outro fenômeno: a UBTech ocupou o terceiro lugar em produção, mas caiu para o quarto lugar em entregas. Um alto nível de produção com queda no ranking de entregas geralmente indica acúmulo de estoques ou desaceleração no ritmo de entrega. Em 30 de junho, a UBTech lançou o U1, o primeiro robô humanoide hiperrealista em tamanho real do mundo adequado para produção em massa, com um número acumulado de pedidos superior a 13.361 unidades e o preço do U1 Pro em 169.800 yuans. Como esses pedidos são bens de consumo ToC, eles não são contabilizados nas estatísticas de produção industrial.
A lacuna entre produção e entregas reflete a tensão principal do setor: a capacidade de produção está estabelecida, mas a demanda comercial sustentável e os ciclos de uso ainda estão em formação.
Além do duopólio, cinco expoentes do WAIC 2026 apresentaram cinco modelos de sobrevivência diferentes. O Centro Nacional Conjunto de Inovação de Robótica Humanoide 'Estado-Local' demonstra aplicação prática como guia, para patrulha de segurança e classificação industrial. O MATRIX-3 da Matrix Intelligence oferece um roteiro bípede de ponta no valor de 580.000 yuans com 1.000 pedidos acumulados. A Banxing Embodied utiliza um modelo de customização ODM a um preço de 208.000 yuans por unidade. A subsidiária Zhongjian Technology, Huajian, apresentou o conceito de robô ZERO, que ainda está na fase de protótipo. A MagicLab escolheu uma estratégia de entrada através de cenários verticais, demonstrando seu robô para controle de tráfego Xiaomai em uma maratona em Uxi.
A Zhejiang IPLUSMOBOT Technology apresentou sua linha de inteligência encarnada NERA na feira WAIC 2026. Esta apresentação expandiu as capacidades comprovadas de robôs móveis autônomos (AMR) para uma plataforma padronizada de inteligência artificial encarnada industrial.
No lançamento, a empresa demonstrou o chassi NERA-P com movimento omnidirecional e o controlador NERA-C. Esses componentes transformam anos de experiência em infraestrutura que outras empresas de robótica podem utilizar. A IPLUSMOBOT baseia-se na experiência adquirida na equipe de robótica da Universidade de Zhejiang, possuindo conhecimento em percepção multimodal, navegação autônoma e planejamento de múltiplas tarefas de robôs, além de contar com uma base de produção de 16.000 metros quadrados.
A ideia principal é que o valor da inteligência encarnada depende não apenas das capacidades cognitivas, mas também da capacidade da IA de agir de forma confiável através de objetos físicos no mundo real. Os robôs industriais devem lidar com condições atípicas por longos períodos de operação, cumprindo requisitos de segurança, precisão, ritmo de produção, confiabilidade e retorno sobre o investimento. Enquanto a indústria foca em formas humanoides, modelos VLA e inteligência cognitiva geral, a mobilidade é frequentemente vista como um problema resolvido.
A IPLUSMOBOT afirma que fatores como perda de posicionamento, paradas devido a colisões e conflitos de cronograma continuam a afetar diretamente o ritmo da linha de produção e a disponibilidade do sistema. O chassi NERA-P inclui algoritmos de posicionamento e navegação com fusão multimodal, testados industrialmente, bem como interfaces mecânicas e elétricas padronizadas. Isso permite que integradores de robôs humanoides evitem a necessidade de realizar pesquisas próprias sobre chassis e se concentrem no design da carcaça, manipulação de efetores finais e cenários de aplicação.
O controlador NERA-C é projetado para implantar robôs com rodas e quadrúpedes. Ele combina mapeamento, navegação por posição, controle de movimento e controle de carga útil em uma única plataforma que suporta mapeamento misto tanto em ambientes internos quanto externos. O sistema CLOUDIA fornece gerenciamento de clusters de robôs e planejamento misto heterogêneo. Para integradores de sistemas de inspeção, o NERA-C oferece ferramentas de implantação gráfica de baixo código, reduzindo o ciclo de desenvolvimento ao centralizar navegação, controle e gerenciamento de cluster, permitindo que os integradores se concentrem em processos de negócios, adaptação de cenários e atendimento ao cliente.
Estes dois produtos juntos formam a base da atual linha de IA encarnada da IPLUSMOBOT: o NERA-P é responsável pela mobilidade de todo o robô humanoide, e o NERA-C é responsável pelo desenvolvimento de aplicações para sistemas com rodas e quadrúpedes. A IPLUSMOBOT se posiciona como uma plataforma fundamental, e não como fabricante de humanoides completos, apostando na especialização e colaboração aberta à medida que a indústria escala. A padronização de interfaces reduz a construção redundante e acelera as entregas aos parceiros. Independentemente de qual forma ou arquitetura de inteligência vença, o movimento estável, seguro e eficiente permanece uma condição necessária para a indústria. Essa abordagem representa uma divisão de trabalho em formação, onde fornecedores de infraestrutura de mobilidade fornecem a base, e especialistas criam a inteligência e as aplicações.
