AgiBot apresenta o modelo AGILE 2.0 para navegação autônoma em ambientes abertos

A corporação americana Agility Robotics demonstrou seu novo robô andróide Digit 5, desenvolvido para uso em instalações industriais e complexos de armazém. Os desenvolvedores afirmam que, graças a um conjunto de sensores e algoritmos especiais, o robô de 129 quilos é capaz de reconhecer e evitar pessoas próximas em tempo hábil.

O sistema alerta sobre movimentos humanos potenciais por meio de sinais visuais e sonoros. Em caso de situação perigosa durante a aproximação, o robô para de se mover ou assume uma posição sentada. De acordo com um comunicado de imprensa publicado no site oficial da empresa, essa funcionalidade permitirá que o robô opere perto de pessoas sem a necessidade de instalar barreiras de proteção adicionais.

A Shengshu Technology lançou o Motus2, que é um modelo mundial geral auto-desenvolvível, desenvolvido especificamente para executar manipulações robóticas complexas. O cofundador e CEO Luo Yihang demonstrou este sistema no Fórum Bund em 2026.

Os autores do projeto Motus2 incluem a identidade de pesquisa da Shengshu — GensPI, bem como a Universidade Tsinghua, e o artigo técnico foi publicado no arXiv sob o número 2608.30237. Diferentemente de muitos sistemas que conectam um módulo de ação a um simulador de mundo separado, o Motus2 integra política, simulação e avaliação em uma única rede de vídeo-ação com parâmetros compartilhados.

Esta rede fornece três interfaces de controle. O modelo mundo-ação oferece blocos de ações executáveis. O modelo mundo condicionado à ação prevê os resultados visuais desses blocos. E o modelo de valor avalia os resultados previstos para seleção e aprendizado. Durante o teste, o planejamento Best-of-N analisa várias opções, imagina seu futuro e executa o ramo com maior valor antes que o robô observe novamente a cena real e replaneje.

Após o treinamento, o aprendizado por reforço baseado em modelo transforma o mesmo sinal de valor em atualizações de política, mantendo os pesos de previsão e avaliação congelados para que o feedback não apague a dinâmica aprendida. Além disso, uma máscara de informação orientada à ação impede que a política olhe para tokens de vídeo futuros antes de tomar uma decisão de ação — isso previne uma falha que a equipe associa a métodos mais simples anteriores que combinam vídeo e controle.

Ao realizar tarefas de posicionamento de telefone e operações multiponto em robôs reais, a política base alcançava sucesso em cerca de 65%. O planejamento autônomo mostrou cerca de 67,5%; o aprendizado por reforço baseado em modelo — cerca de 72,5%; a combinação de ambos os métodos garantiu sucesso em cerca de 75%. Um especialista tátil leve, que reutiliza características básicas para refinar subblocos curtos, aumentou a taxa de sucesso na extração de copos e rasgar papel de aproximadamente 60% para 72,5%.

Os dados de treinamento incluem uma pirâmide orientada ao ser humano, composta por cerca de 130.000 horas de gravações egocêntricas com vídeo monocular a estéreo sincronizado, bem como mais de 100 horas de trajetórias de robô e fusão humano-robô. A escalabilidade da imagem estéreo de 2.000 para 20.000 horas continuou a reduzir o erro de previsão de ações em testes adiados.

As demonstrações de hardware incluem plataformas de alto grau de liberdade, como Sharpa Wave e Wuji Hand 2, usadas para apertar lâmpadas, virar páginas e outros trabalhos de contato multiponto que exigem verificação tanto visual quanto tátil.

A equipe posiciona o Motus2 como um ciclo inicial de autoaperfeiçoamento recursivo dentro de tarefas limitadas — usando resultados simulados para corrigir a política, e não como aprendizado autônomo aberto em ambientes ilimitados. Para potenciais compradores envolvidos na implementação de tecnologias, o sinal chave é o ciclo fechado WAM, AC-WM e modelo de valor, bem como o ganho medido no trabalho com telefones e tarefas multiponto ricas em contato. A Shengshu vê este ciclo como progresso em direção ao seu modelo mundial geral de nível L3 para L4, sem declarar autonomia total em mundo aberto no momento.