Unitree lança software UniUni para controle de enxames de robôs, disponível gratuitamente para usuários

A unidade robotaxi da Hello Inc. apresentou o HelloWorld, um modelo de mundo generativo para direção. Este modelo destina-se à criação de dados de condução sob demanda e ao teste interativo de políticas de condução de veículos.

A equipe anunciou o modelo em 12 de outubro e publicou o trabalho científico correspondente no arXiv, bem como uma página do projeto. O HelloWorld combina controle de cenas, geração contínua, observação multissensorial e saída de dados eficiente.

Os engenheiros podem editar diretamente veículos, pedestres e suas trajetórias, após o que o modelo gera vídeos correspondentes de múltiplas câmeras juntamente com dados de lidar. Exemplos dessas alterações incluem adicionar um pedestre atravessando a rua, mudar a rota de um veículo à frente ou alterar as condições climáticas — por exemplo, passar de chuva para neve, ou de dia para noite.

O modelo também aceita descrições de situações em linguagem simples como segundo método de construção de cenas. O usuário descreve a situação desejada, e um pipeline de aplicações especial transforma essa descrição nas condições necessárias para o funcionamento do modelo. Elementos como canteiros de obras, tráfego intenso, pedestres atravessando a rua, neblina e diferentes iluminações podem ser usados para direcionar o processo de geração.

O objetivo principal do desenvolvimento é preencher lacunas nos dados coletados no mundo real. Situações de cauda longa, como perigos raros ou combinações incomuns de clima e movimento, são difíceis de coletar em quantidade suficiente apenas através da coleta de dados rodoviários. A capacidade de gerar tais cenários sob demanda permite que os desenvolvedores criem dados de treinamento direcionados e realizem testes contrafactuais: reproduzir o mesmo momento alterando um elemento para avaliar a reação da política de direção.

De acordo com o trabalho científico apresentado, o HelloWorld contém cerca de 2 bilhões de parâmetros, gera visualizações para sete câmeras com saída condicional de lidar e utiliza geração causal de múltiplos passos. Essa arquitetura visa garantir velocidade de saída suficiente para simulação interativa múltipla, e não apenas para geração de clipes individuais.

Modelos de mundo tornaram-se uma ferramenta comum na área de direção autônoma e inteligência artificial incorporada, onde equipes os utilizam para reduzir os custos de coleta e rotulagem de casos de borda. O HelloWorld é a primeira publicação de pesquisa pública desse tipo pela equipe de robotaxi desta empresa. No entanto, a empresa ainda não informou quando ou como o modelo será integrado aos programas de teste de seus veículos.

openJiuwen, uma plataforma de agentes de IA de código aberto desenvolvida pelos laboratórios da Huawei em 2012, Huawei Cloud e outras equipes da Huawei em colaboração com universidades e empresas, lançou e disponibilizou publicamente a versão corporativa do AgentOS.

Este projeto visa resolver os problemas que surgem na transição de exemplos demonstrativos de agentes para uso industrial real. Tais problemas incluem a complexidade de coordenar longas cadeias de tarefas por múltiplos agentes, a perda de experiência entre execuções, o aumento dos custos de computação, bem como a necessidade de garantir permissões de dados, isolamento e capacidade de recuperação exigidas pelas empresas antes que elas confiem aos agentes tarefas reais.

O código está disponível como AgentOS for Enterprise no GitHub e AtomGit sob a licença Apache 2.0. O repositório descreve quatro componentes principais: runtime de agente distribuído, agentes para trabalho e codificação jiuwenswarm, sandbox de agente Conch e gateway de acesso ao agente.

O sistema suporta implantação tanto em uma única máquina quanto em um cluster, permitindo sua compilação e implantação com um único comando, e funciona nos sistemas operacionais openEuler ou Ubuntu.

Mecanismos de coordenação e autodesenvolvimento

Em termos de coordenação, o AgentOS utiliza orquestração de fluxos de trabalho e colaboração de enxames para dividir tarefas, atribuir papéis e executar etapas em paralelo, como pesquisa, análise e escrita, sendo que os humanos podem intervir em momentos críticos de tomada de decisão. Quanto ao autodesenvolvimento, a plataforma aplica rastreamento de execução, feedback do usuário e memória para melhorar habilidades e modelos de interação dos agentes, transformando soluções bem-sucedidas em capacidades reutilizáveis.

O runtime também visa aumentar a eficiência do uso de recursos computacionais através do design conjunto de hardware e software, planejamento de recursos e otimização de inferência.

Para garantir a segurança, são previstos isolamento multiusuário, sandboxes protegidos, gerenciamento de permissões e guardrails que controlam o acesso a dados e chamadas de ferramentas, além de uma função de recuperação de falhas que permite continuar a execução de tarefas longas.

Chamadas de modelos, chamadas de ferramentas e gerenciamento de memória são empacotados como plugins que são carregados sob demanda. Para desenvolvedores, existem cinco tipos de ativos — habilidades, conectores, plugins, especialistas e equipes de especialistas — que podem ser combinados, publicados, obtidos ou compartilhados através do Agentic Hub, permitindo que parceiros empacotem métodos setoriais e integrações de sistemas como componentes reutilizáveis.

Este software também serve como base para implementação de hardware. No evento Huawei Connect 2026, a Huawei apresentou uma plataforma de aceleração de agentes de código aberto para dispositivos universais construídos com base no Jiuwen AgentOS. Esta plataforma combina um gateway de agente unificado, um runtime distribuído e um ambiente de trabalho WorkSwarm para escritório e codificação, incluindo um SystemAgent integrado para configuração e gerenciamento com um clique.

De acordo com as informações de lançamento, as empresas podem concluir uma implantação totalmente privada em questão de horas e, em seguida, conectar sistemas de negócios existentes, bases de conhecimento locais e modelos setoriais através de interfaces abertas e plugins.