Na exposição World Robot Conference em agosto, foram novamente apresentados robôs que demonstravam diversas ações: eles dançavam, lutavam, pegavam objetos e classificavam. Manipuladores robóticos foram instalados e montados em linhas de produção simuladas. Para aqueles que acompanharam os espetáculos de robótica nos últimos dois anos, essas cenas parecem familiares: houve um aumento notável no número de robôs, mas sua funcionalidade não demonstrou o salto drástico esperado dado o alto nível de interesse da indústria. Se no ano passado os robôs conseguiam pegar xícaras, este ano eles ainda realizam essa tarefa; se antes empilhavam roupas, agora fazem o mesmo; a principal tendência continua sendo a implementação de robôs em fábricas.
De acordo com dados da Counterpoint Research, no primeiro semestre de 2026, as entregas mundiais de humanoides ultrapassaram 22.000 unidades, um aumento de quase 300% em relação ao ano anterior, e espera-se que esse número exceda 50.000 até o final do ano. Os líderes foram AgiBot, que forneceu cerca de 9.700 unidades, Unitree, que lançou mais de 7.000, e Galaxy General, que forneceu mais de 1.100, sendo que essas cinco empresas representaram 86% do mercado. Em termos de aplicação, entretenimento (33,6%) e produção de dados e pesquisa (27%) dominaram, totalizando mais de 60%; seguidos por manufatura inteligente (12,8%) e logística de armazém (4,9%).
No entanto, onde exatamente ocorreram melhorias significativas nos robôs no último ano? Essas mudanças cardinais são difíceis de notar a olho nu: por exemplo, ao executar a mesma tarefa de pegar uma xícara, detalhes como o volume de dados de treinamento necessários, se o movimento foi pré-programado, se o robô consegue pegar outra xícara ou quantos engenheiros são necessários para recalibrar em uma nova instalação são importantes.
Wang Xinsin, fundador da Unitree, enfatizou constantemente a importância da generalização: os robôs podem realizar operações de montagem simples, e com dados suficientes em um ambiente fixo, o sucesso pode atingir 100%, mas a menor alteração no objeto leva à redução desse sucesso. Wang He, fundador da Galaxy General, acreditava que com uma tarefa claramente definida e disposição para investir em pós-treinamento, praticamente qualquer tarefa pode ser bem executada, mas o pós-treinamento especializado requer participação humana e não pode ser copiado para milhares de indústrias. O ponto de virada de 2026 é a questão: depois que a tarefa foi dominada, a capacidade pode ser reproduzida em 100 fábricas ou 1000 lojas?
Wang Xinsin estabeleceu um limite: se um robô for introduzido em um ambiente totalmente novo e receber um comando em linguagem, ele completará cerca de 80% das tarefas; somente após isso a indústria se aproximará de um crescimento explosivo. Wang He marcou esse marco antes, comparando os modelos encarnados modernos com o GPT-2 e prevendo que os modelos básicos poderiam atingir o nível do GPT-3.5 ou GPT-4 até 2028.
O mercado atual é definido por duas empresas. A vantagem da Unitree reside no controle de movimento, engenharia de corpo, custo e volume; na WRC, a empresa apresentou um robô capaz de atingir uma velocidade de 12,65 metros por segundo e forneceu mais de 7.000 humanoides no primeiro semestre, representando 31% do mercado. No entanto, esses robôs são predominantemente usados em pesquisa e educação, e o maior investimento da empresa atualmente está focado em modelos de inteligência artificial. A Galaxy General, que foi líder por muito tempo em modelos básicos encarnados, apresentou o ET1 bípede, treinado em um corpo geral de baixa cognição com base em aproximadamente 100.000 horas de dados de movimento humano. Graças à tecnologia WAM-TTT, o robô se adapta em um novo local observando os trabalhadores. Na CATL, a Galaxy passou com sucesso de projetos piloto em uma máquina para implantação em dezenas de fábricas.