China Mobile lança software Open-RAIL para conectar modelos VLA/WAM ao hardware de robôs

O Laboratório de Inteligência Artificial de Xangai lançou o modelo de mundo físico Intern W0. Este sistema modular é voltado para a robótica e destina-se a transferir o comportamento de grandes modelos do planejamento digital para o trabalho físico rico em contato.

O laboratório enfatiza que o W0 foi originalmente desenvolvido com o objetivo de integrar dados de visão, força e tato. Isso permite que o robô perceba, preveja, aja e corrija suas ações em paralelo, em vez de seguir um ciclo rígido: primeiro percepção, depois planejamento, depois movimento.

Este modelo difere da colaboração anterior do laboratório com a LUMIA Lab da Universidade Jiao Tong de Xangai, que se concentra na previsão de conceitos de nível superior, e não no controle físico baseado em força.

O lançamento do W0 é definido por dois elementos chave. O primeiro é a percepção sensorial nativa de força e tato, que integra o feedback de contato no processo de seleção de ação e percepção, juntamente com dados de visão e estado proprioceptivo do corpo. A visão determina as direções de aproximação e os pontos-alvo, enquanto a força e o tato atualizam a qualidade da preensão e registram o deslizamento após o início do contato. O estado proprioceptivo rastreia a posição e o movimento.

O segundo princípio é a interação duplex, que sustenta um fluxo contínuo de entradas multimodais, incluindo instruções de linguagem, observações visuais, feedback de força/tato e estado corporal. Simultaneamente, o modelo gera compreensão semântica, previsões de estados futuros e comandos de movimento. A arquitetura assíncrona com modo de múltiplas velocidades permite a atualização em segundo plano do planejamento de longo prazo, enquanto as atualizações de ação de alta frequência continuam a reagir às observações recentes, reduzindo assim o intervalo entre a mudança no ambiente e a correção do movimento quando a visão sozinha não é suficiente.

Os pesquisadores observam que essa combinação ajuda na execução de tarefas que exigem alta precisão, como determinar a estabilidade da preensão, a exatidão do assentamento do contato ou como deve ser a próxima microcorreção. O modelo W0 já está integrado à plataforma de descobertas científicas Intern InkStone — o nome do produto em inglês apresentado no portal do laboratório. Ele funciona em conjunto com o grande modelo científico Intern S2.

Juntos, eles forneceram suporte a ciclos fechados tanto em condições laboratoriais úmidas quanto secas. Esses ciclos abrangeram a evolução direcionada de proteínas para edição de genes, síntese orgânica de mepivacaina e preparação de nanopartículas lipídicas, incluindo o ajuste dinâmico dos parâmetros do processo durante o trabalho com nanopartículas, o que é mencionado em fontes secundárias como uma prova precoce de IA física orientada à ciência.

Para grupos envolvidos em química, biologia e ciência dos materiais, o W0 é visto como uma ferramenta para ciclos experimentais automatizados, e não como uma demonstração de robô de consumo. Será determinado o quão amplamente o controle duplex de força e tato se generaliza em vários instrumentos de laboratório e protocolos de laboratório úmido, o que decidirá se o conjunto modular Intern se tornará a camada padrão nos fluxos de trabalho Intern InkStone ou permanecerá vinculado aos casos de ciclo fechado demonstrados anteriormente. O laboratório apresenta esses casos como o início de uma jornada da derivação de esquemas para o experimento instrumental, e não como um catálogo de produtos pronto.

No evento LEAP 2026, realizado em 3 de setembro, a empresa HUMAIN, apoiada pelo Future Investment Fund (PIF) da Arábia Saudita, apresentou o modelo HUMAIN-M3. Este modelo é voltado para o idioma árabe e está atualmente disponível em pré-visualização na plataforma HUMAIN Node, com planos de lançamento posterior com pesos abertos.

O fundamento do HUMAIN-M3 foi a estrutura aberta multi-especialista (mixture-of-experts) M3 da startup chinesa MiniMax, lançada cerca de três meses antes. O modelo HUMAIN-M3 mantém as características arquitetônicas do M3, possuindo um total de cerca de 428 bilhões de parâmetros, sendo que aproximadamente 23 bilhões de parâmetros estão ativos por token. Em seguida, o modelo passa por treinamento adicional com mais de um trilhão de tokens árabes nativos.

De acordo com sete benchmarks árabes públicos publicados pela HUMAIN, este modelo alcançou os cinco primeiros lugares e uma média ponderada de 89,37%. Este resultado é 9,03 pontos superior ao do modelo base M3 e supera os resultados declarados do GPT-5.6 SOL e Claude Opus 5. O foco principal é na velocidade: utiliza raciocínio geral, multimodalidade, agentes e contexto longo do modelo base aberto, seguido por especialização local de idioma e cultura.

Esta abordagem se alinha à corrida global mais ampla por inteligência artificial soberana. De acordo com dados da CNAS, rastreados em publicações chinesas, 184 projetos governamentais de IA soberana foram registrados em 67 países até meados de 2026, com 41 projetos adicionados no primeiro semestre. O número de bases abertas para treinamento contínuo local mais do que dobrou desde o final de 2024. Os compradores estão prestando atenção à mistura de dialetos, armazenamento de dados em servidores próprios e ao risco de desaparecimento de APIs remotas após choques de controle de exportação, o que favorece os pesos baixáveis e o pós-treinamento local.

A atividade internacional da MiniMax também segue essa tendência. A empresa afirma que seus produtos já estão disponíveis em mais de 230 países e regiões. Na Europa, a MiniMax colabora com a SambaNova para inferência de alta velocidade em hardware SN50, bem como com a Nebius Token Factory como solução aberta especializada implantada. A HUMAIN leva esse conceito adiante: de um simples download e API para um programa nacional de modelos, que investe em seus próprios dados linguísticos e capacidade computacional sobre um modelo de referência chinês.

Para laboratórios que trabalham com modelos abertos na China, os clientes deixaram de ser apenas desenvolvedores participantes de rankings. Os governos agora exigem um modelo de referência inicial que possam possuir, atualizar e executar autonomamente. A integração do MiniMax M3 no HUMAIN-M3 é um exemplo precoce e concreto, sinalizando que a entrega aberta de pesos, a adaptação de hardware e o suporte de longo prazo podem ter tanta importância quanto a próxima pontuação nos benchmarks. A corrida fora do duopólio EUA e China está cada vez mais focada em quem fornece a base reutilizável, e não em quem vence cada teste em inglês.