A inteligência artificial generativa encontrou sua receita de sucesso: pré-treinar um modelo massivo com um oceano de dados. Na robótica, porém, essa fórmula ainda não existe. Os sistemas continuam fragmentados, montados a partir de peças de percepção, planejamento e controle que raramente se somam em uma inteligência transferível entre tarefas ou máquinas. Nesse cenário, a aposta da empresa chinesa X Square Robot, detalhada em uma publicação da IEEE Spectrum, é notável por sua clareza: um "stack" de software integrado e aberto.
A tese da companhia é que o caminho para robôs de uso geral não passa apenas por escalar parâmetros, mas por construir uma fundação coesa. Essa base unifica a coleta de dados, um modelo de mundo capaz de prever mudanças no ambiente físico e um modelo de ação que combina percepção, raciocínio e tomada de decisão para gerar comportamento executável. É uma aposta explícita em integração, em contraste com a especialização fragmentada que domina o setor.
Qualidade, não apenas escala
O pilar da estratégia da X Square está na forma como ela trata os dados. Para a empresa, a unidade básica de aprendizado de um robô não é uma "trajetória" — uma sequência de movimentos —, mas uma "interação" que altera o mundo físico conforme o esperado. Essa distinção é fundamental e informa todo o processo de coleta. Em vez de teleoperar robôs caros, a empresa usa um sistema de captura com operadores humanos vestindo um equipamento com garras, o que reduz drasticamente os custos.
O diferencial, contudo, está no controle de qualidade. As demonstrações coletadas são testadas em um robô real, e apenas as trajetórias que efetivamente completam a tarefa são consideradas válidas. Uma garra que se fecha uma fração de segundo antes e empurra o objeto, em vez de pegá-lo, é descartada. A premissa é que um conjunto de dados menor e limpo é mais valioso do que um volume maior e "ruidoso", desafiando a mentalidade de escala a qualquer custo que prevalece em outras áreas da IA.
Um modelo que pensa em 'eventos'
A arquitetura do modelo de mundo da X Square, batizado de WALL-WM, também se diferencia da norma. Em vez de prever movimentos em fatias fixas de tempo — uma conveniência computacional que não reflete a realidade —, o sistema opera com base em "eventos semânticos". Ações como "alcançar", "agarrar" ou "posicionar" se tornam as unidades fundamentais de comportamento. Isso alinha a operação do robô à forma como os humanos conceitualizam tarefas, criando uma base mais lógica e interpretável para ações complexas.
A combinação de dados validados fisicamente e um modelo que pensa em eventos é a aposta da empresa para criar uma base de software verdadeiramente geral. A ressalva, como aponta a reportagem, é que os resultados mais robustos foram medidos em seus próprios robôs e pipelines. A validação por terceiros será crucial para determinar se essa abordagem focada em integração e qualidade é, de fato, a receita que a robótica tanto procura.
A decisão de desenvolver essa plataforma de forma aberta pode acelerar esse processo, convidando a comunidade a testar, validar e expandir a visão da X Square. Enquanto muitos no setor perseguem um único modelo monolítico, a abordagem chinesa sugere que a solução pode estar em um conjunto de princípios bem definidos e interdependentes, mais próximos da engenharia de software do que da busca por um cérebro digital universal.
Com reportagem de Brazil Valley
Source · IEEE Spectrum — Robotics
