AgiBot lança o LIFE — um framework para aprendizado incorporado de IA baseado em modelos RoboBeats

A Robbyant, uma subsidiária da Ant Group, lançou publicamente o modelo LingBot-Touch. Este modelo fundamental tátil destina-se a fornecer uma sensação unificada de toque aos braços robóticos.

Anunciado em 10 de novembro, o modelo foi pré-treinado com dados coletados em quase 5000 horas de experiência tátil real. Ele abrange três princípios sensoriais: magnético, visual-tátil e piezoresistivo. O código do modelo está disponível sob a licença Apache-2.0, e os pontos de controle Tiny e Small estão disponíveis nas plataformas Hugging Face e ModelScope.

O principal problema que o LingBot-Touch resolve é a incompatibilidade dos sinais brutos gerados por diferentes sensores táteis; a experiência de toque obtida em um tipo de sensor raramente é aplicável a outro. O LingBot-Touch resolve esse problema fornecendo um tokenizador de entrada próprio para cada tipo de sensor, que alimenta os dados em um Transformer comum. O modelo mapeia os pontos de contato em um espaço de coordenadas unificado da ponta do dedo e gera tokens táteis unificados que podem ser usados por diferentes modelos de ação.

O repositório descreve uma abordagem alvo no estilo JEPA, que prevê representações latentes a partir do contexto espaço-temporal do toque. Os dados de treinamento foram obtidos tanto de luvas táteis usadas por humanos quanto de braços ágeis teleoperados.

Testando o modelo em tarefas de robótica

A Robbyant testou o modelo em dois braços ágeis — Sharpa Wave e XHand — em 26 tarefas executadas por robôs reais. Essas tarefas incluíram virar páginas, torcer tampas de garrafas e identificar peças de mahjong. Ao adicionar a representação LingBot-Touch a quatro modelos de ação — LingBot-VLA, $\pi$0.5, Diffusion Policy e T-Rex — a taxa média de sucesso das tarefas aumentou em cerca de 14 a 26 pontos percentuais em comparação com as versões que não utilizavam feedback tátil.

Em um caso, quando o T-Rex tentava torcer tampas no Sharpa Wave, o sucesso era de 56,25% sem o uso da tátil, 62,5% ao usar os sinais brutos dos sensores e 90% após a integração do LingBot-Touch.

Todos os 26 testes foram realizados usando a versão Tiny, que possui cerca de 5 milhões de parâmetros e aumenta o tamanho das políticas conectadas em apenas 0,13%–0,16%. A equipe observa que a versão maior Small continua a melhorar à medida que o volume de dados de treinamento atinge 5000 horas.

Para verificar a transferência de conhecimento entre diferentes plataformas de hardware, a equipe congelou o codificador no XHand, cujo módulo sensível a campo magnético estava ausente nos dados de pré-treinamento, e treinou apenas o modelo de ação com demonstrações do XHand. O conhecimento sobre toque magnético neste caso foi obtido exclusivamente a partir dos dados de luvas humanas.

A Robbyant posiciona este modelo como uma camada neutra entre os sensores táteis e os modelos de ação, e não como um componente vinculado à sua própria LingBot-VLA. Isso permite que os fabricantes de equipamentos escolham sensores com base no custo, enquanto as equipes de sistemas podem manter suas próprias políticas.

Todos os resultados apresentados pertencem à própria Robbyant, e a empresa não comunicou reproduções independentes desses dados. O lançamento no GitHub é um lançamento de inferência, contendo o codificador congelado e utilitários para extrair características táteis.

A empresa AgiBot lançou o modelo GO-3 Preview em 29 de outubro. Este modelo encarnado de inteligência artificial é capaz de continuar aprendendo em escala em todas as fases: durante o pré-treinamento, após ele e já após a implementação no trabalho. A AgiBot pretende tornar o modelo completo acessível ao público até o final de 2026.

O GO-3 Preview é baseado em uma arquitetura que a AgiBot chama de WRAM, ou Modelo de Raciocínio de Ações no Mundo. Esta arquitetura conecta o raciocínio sobre a tarefa, a previsão de eventos futuros e a geração de ações, permitindo que o robô entenda a instrução, preveja o resultado e execute os movimentos correspondentes.

O modelo conquistou recentemente o primeiro lugar em três rankings para IA encarnada: RoboDojo, RoboTwin e RoboColiseum. A AgiBot afirma que o modelo é escalável em duas direções. Por um lado, ricos exemplos de processamento de objetos e desenvolvimento de tarefas são fornecidos por vídeos em primeira pessoa de pessoas, e as trajetórias dos robôs ligam observações a ações e resultados físicos.

Por outro lado, a maior capacidade de aprendizado do modelo transforma essa experiência dispersa em habilidades que podem ser aplicadas a novas tarefas. Após o pré-treinamento, a empresa observa que os robôs podem realizar tarefas desconhecidas em casas, cozinhas, sistemas com múltiplos robôs e realizar manipulação fina sem ajuste fino adicional.

Com várias demonstrações, o modelo é capaz de dominar operações longas e delicadas, como preparar jianbing — um panqueca picante chinês. Após o ajuste fino e a coordenação dos passos pelo agente, o robô também pode montar peças de Lego.

Para a fase pós-treinamento, a AgiBot desenvolveu o sistema de aprendizado distribuído Genie Evolver, que combina cerca de cem robôs reais com simulação de física e modelos de mundo. Em um jogo de curling na mesa, o robô superou um humano testado médio após quatro horas de treinamento online. Em um jogo de torres de blocos, ele conseguiu retirar cinco blocos seguidos, mantendo a estabilidade da torre.

Após a implementação, a estrutura de agente Genie Master garante a conexão entre julgamento, execução e feedback, permitindo que os robôs melhorem continuamente durante o trabalho. O robô AgiBot G2, operando em uma loja de varejo 24 horas, detectou autonomamente as causas de suas próprias falhas, ajustou sua abordagem e manteve o conhecimento adquirido sem intervenção humana ou configuração. O sucesso deste robô em um fluxo de trabalho completo aumentou de 28,6% no primeiro dia para estáveis 85,7% em cinco dias.

Em uma tarefa semelhante à suspensão de pequenos ganchos, a AgiBot afirma que este método aumentou o sucesso da tarefa individual em 17,7 pontos percentuais em comparação com o ajuste fino tradicional controlado, e o processo de aprendizado continua online.

O magnata da tecnologia Elon Musk apresentou sua visão de futuro no evento 'All-in Summit', onde descreveu detalhadamente o impacto da inteligência artificial (IA) e da robótica na vida humana. Musk prevê que, em um futuro próximo, as tecnologias libertarão as pessoas da necessidade de trabalhar por sustento.

Musk acredita que em breve os robôs humanoides da Tesla, como o 'Optimus', combinados com IA, poderão realizar qualquer tarefa análoga à humana. Ele afirmou que isso levará ao surgimento de uma 'Renda Alta Universal' (Universal High Income), tornando a atividade laboral não uma necessidade, mas apenas uma escolha.

Na opinião de Musk, essa transformação afetará não apenas o trabalho físico, mas também cargos altamente qualificados, incluindo funções de escritório e processamento de dados. Ele considera que, graças à automação, haverá uma abundância de bens e serviços que permitirá às pessoas viverem muito melhor do que hoje.

Ao contrário do conceito de 'renda básica universal' (UBI), Musk vê um desenvolvimento mais amplo — a renda alta universal. A produção, o transporte, a agricultura e os cuidados médicos se tornarão tão acessíveis e baratos que garantirão um alto padrão de vida para todos.

Apesar da aparente utopia deste cenário, Elon Musk enfatizou que o caminho para tal futuro será difícil e envolverá inúmeras ameaças. Ele reconheceu que o período em que as máquinas começarem a substituir empregos não será fácil.

Famílias cuja renda depende inteiramente de salários e trabalho físico podem enfrentar dificuldades financeiras antes da chegada desta 'grande era de prosperidade'. Surge uma questão fundamental sobre como a riqueza será distribuída em um mundo automatizado e quem será o verdadeiro proprietário dessas máquinas. Anteriormente, Musk mencionou em podcasts que esta transição seria uma 'jornada agitada e difícil'.