A Amazon Web Services (AWS) anunciou o lançamento de sua Physical AI Toolchain, uma plataforma de código aberto projetada para revolucionar o desenvolvimento de robôs inteligentes. A iniciativa visa simplificar o complexo processo que vai desde a coleta de dados até o treinamento, simulação, validação e, finalmente, a implantação de modelos de inteligência artificial em robôs. A ferramenta integra os serviços da AWS com o aclamado software Physical AI da NVIDIA, criando um fluxo de trabalho unificado para os profissionais da área.
O principal desafio que a Physical AI Toolchain busca resolver é a desconexão entre modelos de IA treinados e sua operação confiável no mundo real. Sri Elaprolu, diretora de Frontier AI Science and Engineering na AWS, explicou que a toolchain funciona como um "botão de facilidade", permitindo que os desenvolvedores se concentrem na resolução de problemas específicos em vez de se preocuparem com a infraestrutura subjacente. Ela não substitui o RoboMaker, plataforma de simulação descontinuada em 2025, mas a complementa, oferecendo um conjunto mais amplo de tecnologias de desenvolvimento.
Do dado à implantação
A nova toolchain abrange cinco etapas cruciais do ciclo de desenvolvimento de IA: geração de dados sintéticos, treinamento de modelos, simulação e validação, implantação em dispositivos de ponta (edge) e melhoria contínua. Empresas podem, por exemplo, coletar demonstrações de robôs realizando tarefas, usar a ferramenta para gerar cenários de treinamento sintéticos adicionais, otimizar modelos e testá-los em simulação antes de enviá-los para robôs físicos. A AWS emprega o Amazon SageMaker para o treinamento de modelos e o AWS IoT Greengrass para a distribuição de modelos para dispositivos de edge. A contribuição da NVIDIA inclui suas plataformas Isaac Sim, Isaac Lab, Isaac GR00T e Cosmos. Os usuários têm a flexibilidade de utilizar esses componentes isoladamente ou integrá-los em um fluxo de trabalho ponta a ponta.
Elaprolu destacou a importância da geração de dados, especialmente em robótica, onde a quantidade de dados disponíveis é significativamente menor do que para Large Language Models (LLMs). "A quantidade de dados que você precisa para treinar esses modelos é significativa, e não há muitos dados disponíveis, ao contrário dos LLMs, onde há uma tonelada de dados na internet", afirmou. "Então, como você gera esses dados? Como você gera dados sintéticos que são representativos do mundo real? Essa é uma das coisas que estamos tentando resolver." A simulação, por sua vez, permite que os desenvolvedores testem a robustez dos modelos em diversas condições antes de arriscar hardware físico. A toolchain também suporta um ciclo de feedback contínuo, onde os dados coletados por robôs em campo são enviados de volta para a nuvem para aprimorar os modelos. "À medida que você começa a escalar essas implantações robóticas, os aprendizados capturados localmente precisam ser enviados de volta para a nuvem", disse Elaprolu. "Assim, você itera continuamente o cérebro [do robô]."
Lições das operações da Amazon
Segundo Elaprolu, a Physical AI Toolchain incorpora aprendizados das próprias operações robóticas da Amazon, que já contam com mais de um milhão de robôs. No entanto, os centros de distribuição controlados da Amazon não representam a totalidade dos ambientes onde a IA física operará. Como exemplo, ela citou a empresa japonesa Telexistence, que está implantando robôs humanoides em lojas de conveniência. Mais de 300 unidades já foram distribuídas, com expectativas de crescimento. Diferentemente de uma fábrica, uma loja de conveniência apresenta mais variáveis e exige respostas rápidas a condições em constante mudança. "Os níveis de tolerância a falhas tendem a ser muito mais baixos, mas, ao mesmo tempo, as taxas de resposta têm que ser muito mais altas", observou Elaprolu.
A AWS mantém a toolchain neutra em relação ao hardware, focando na infraestrutura para treinamento e implantação de modelos, em vez de prescrever um robô específico. "Haverá uma ampla gama de designs e componentes de hardware que estão sendo construídos e serão construídos no futuro", disse Elaprolu. "A toolchain está intencionalmente permanecendo neutra em relação a essa etapa final." O robô Vulcan, da Amazon, um exemplo de desenvolvimento interno, utiliza sensores táteis para manipular e armazenar itens em centros de distribuição, sendo reconhecido como o "Robô do Ano 2024" pelo The Robot Report. Embora a toolchain não seja uma plataforma de sensoriamento tátil, seu suporte a diversas fontes de dados, treinamento de modelos e implantação em edge pode facilitar a integração de capacidades de sensoriamento especializadas pelos desenvolvedores. A AWS também vislumbra aplicações além de armazéns e fábricas, como no setor de construção autônoma, com empresas como a Bedrock Robotics utilizando modelos treinados na nuvem da AWS para operar equipamentos em canteiros de obras.
Uma abordagem de código aberto
O caráter open-source da Physical AI Toolchain permite que startups e grandes empresas a utilizem e modifiquem livremente. Elaprolu mencionou que os componentes individuais da AWS e da NVIDIA já são amplamente utilizados por clientes, incluindo empresas participantes do programa Physical AI Fellowship da AWS com a MassRobotics e a NVIDIA. A nova oferta consolida esses componentes em um fluxo de trabalho mais coeso, tornando-os mais acessíveis. "É o empacotá-los e torná-los perfeitos para uma empresa que vai seguir em frente", concluiu.
A iniciativa da AWS representa um avanço significativo na democratização do desenvolvimento de robótica avançada, prometendo acelerar a inovação em um campo cada vez mais crucial para a automação industrial e de serviços. A colaboração com a NVIDIA reforça a robustez e a abrangência da solução, posicionando-a como um pilar para a próxima geração de robôs autônomos.
Com reportagem de Brazil Valley
Source · The Robot Report
