Em reportagem recente conduzida pelo 60 Minutes, a Boston Dynamics expôs a mudança arquitetônica fundamental na concepção do Atlas, seu robô humanoide. A transição afasta a companhia da engenharia de controle tradicional — estritamente baseada em algoritmos escritos linha a linha — em direção a um modelo operacional focado em inteligência artificial, aprendizado de máquina e demonstração humana direta. A alteração redefine o método de como a máquina interage com o ambiente.
A reestruturação de hardware e processamento
Durante a visita anterior do programa à empresa, em 2021, o Atlas era caracterizado como um robô hidráulico de dimensões robustas. Embora já fosse capaz de correr e pular, sua movimentação dependia de algoritmos fixos desenvolvidos por engenheiros. Na atualização documentada no último outono norte-americano, a Boston Dynamics apresentou uma nova geração do equipamento. O modelo abandonou os fluidos em favor de um chassi totalmente elétrico e mais esguio.
A mudança mecânica foi acompanhada por uma revisão no processamento interno. O robô passou a ser equipado com um sistema de inteligência artificial alimentado por microchips avançados da NVIDIA. Segundo a reportagem, essa integração confere ao Atlas autonomia para executar movimentos complexos de forma independente, permitindo que a máquina salte e corra com facilidade. Scott Kindersma, chefe de pesquisa em robótica da empresa, ressaltou o entusiasmo com o estágio atual da história da robótica, observando que robôs contemporâneos começaram a dominar movimentos que, até pouco tempo atrás, eram considerados um passo distante demais para as máquinas.
Aprendizado supervisionado por teleoperação
A evolução do hardware serve como base para a mudança mais crítica: o paradigma de programação. Kindersma explicou que a abordagem atual foca menos em programação manual e mais em ensino e demonstração. A premissa é que o humanoide efetivamente aprenda as ações, o que a equipe da Boston Dynamics descobriu ser uma das maneiras mais eficazes de programar esse tipo de equipamento.
O processo prático envolve métodos de aprendizado supervisionado. Kevin Bergman, cientista de aprendizado de máquina da empresa, demonstrou a técnica utilizando um headset de realidade virtual. O operador assume o controle direto do humanoide, guiando suas mãos e braços, movimento por movimento, através de uma tarefa específica. Se o operador consegue realizar a ação desejada e repeti-la múltiplas vezes, essa interação gera os dados empíricos necessários. O volume de informações captadas durante a teleoperação é então usado para treinar os modelos de IA do robô, capacitando-o a executar a mesma tarefa de forma autônoma posteriormente.
Para contexto, a BrazilValley aponta que essa transição metodológica ilustra o amadurecimento comercial e técnico do setor. Ao substituir a rigidez do código determinístico pela flexibilidade das redes neurais treinadas por imitação humana, o desenvolvimento reduz o atrito para adaptar humanoides a novos cenários. O principal desafio da robótica bípede deixa de ser o equilíbrio físico ou a força dos atuadores elétricos, e passa a ser a escalabilidade na coleta de dados de treinamento em ambientes dinâmicos do mundo real.
Source · @60minutes
