Empresa Qianjue apresenta Polibrain — um modelo preditivo do mundo para robôs, adaptável a diferentes tipos de corpos

A Qianjue, uma empresa especializada em inteligência artificial incorporada e com raízes na Universidade Tsinghua, anunciou o Polibrain — um modelo preditivo do mundo destinado a robôs. A apresentação ocorreu na primeira Conferência de IA Física e Modelos de Mundo, realizada em Nanjing em 20 de outubro, onde o fundador Gao Haichuan fez uma apresentação do modelo durante a palestra principal de abertura.

O Polibrain não visa gerar cada quadro futuro de vídeo. Em vez disso, ele estuda as relações entre o estado do ambiente, o histórico e os resultados das ações, prevendo como os estados relevantes para a tarefa mudarão no espaço latente de representação. A empresa afirma que, em uma tarefa de coleta de lixo para um robô, a cor do solo tem menos importância do que a localização do objeto, a posição do manipulador em relação a ele e como a captura alterará o estado.

O modelo integra percepção, compreensão de estado, previsão de ações, tomada de decisão, execução e feedback em um ciclo fechado. Quando os resultados obtidos divergem das previsões, por exemplo, após uma captura malsucedida, o sistema reavalia a tarefa com base no novo estado e ajusta os passos subsequentes. A Qianjue afirma que a decodificação de características chave permite rastrear desvios entre os estados esperados e reais, ajudando a encontrar erros e se recuperar.

Em um vídeo de demonstração fornecido pela empresa, um robô quadrúpede equipado com um manipulador e uma cesta de coleta procura lixo na rua, aproxima-se dele, planeja o movimento do manipulador e coloca os itens na cesta. A Qianjue informa que o Polibrain se adapta para uso em robôs quadrúpedes, humanoides, com rodas, de um braço e de dois braços para realizar tarefas como assistência a companheiros, serviço de alimentos, limpeza e manipulação fina. No entanto, a empresa reconhece que a confiabilidade do modelo em cenários complexos ainda requer testes mais rigorosos em condições reais.

A Qianjue se posiciona como fornecedora de 'cérebros' para robôs, e não como fabricante de hardware. Sua arquitetura fracamente acoplada separa a representação geral do ambiente e da tarefa do controle próprio de cada máquina, permitindo que diferentes robôs ou até mesmo dispositivos conectados executem a mesma mudança intencional de maneiras distintas. A empresa espera que isso também permita que os dados de diferentes formas de robôs alimentem um único modelo.

Este desenvolvimento baseia-se em pesquisas publicadas pela Qianjue em colaboração com uma equipe da Universidade Tsinghua na conferência ICML 2025 sobre quando redes neurais aprendem modelos do mundo, bem como em trabalhos posteriores relacionados à medida de complexidade do modelo 'Grau Eficaz' e ao método contrafactual para determinar quais observações passadas devem ser mantidas.

Histórias semelhantes

Visincept, Zhongguancun Academy e Xiaomi venceram em três trilhas do concurso WorldArena 2.0 no IROS 2026

Os resultados finais do concurso WorldArena 2.0, realizado no âmbito do IROS 2026, demonstraram que diferentes abordagens para a construção de modelos de mundo lidam com sucesso com diferentes tipos de testes. O WorldArena é um benchmark desenvolvido pela equipe da Tsinghua University em colaboração com universidades da China e de outros países. A versão 2.0 expandiu a funcionalidade da entrada visual para visuo-tátil, de tarefas offline para aprendizado por reforço online, e de simulação para trabalho com robôs reais, conforme relatado pelo Leiphone.

O concurso incluiu três trilhas independentes com um prêmio total de US$ 7.000, e os resultados finais foram publicados em 16 de setembro.

Resultados da primeira trilha

A primeira trilha avaliou a capacidade do modelo de prever vídeos com base em 15 métricas em 70 tarefas. Essas tarefas incluíram 50 cenas dentro da distribuição em mesas brancas e 20 cenas fora da distribuição com superfícies coloridas ou texturizadas. Entre os 81 modelos classificados, o modelo WorldIncept da Visincept ficou em primeiro lugar com uma pontuação de 72,33, superando o BWM-Turbo da equipe de inteligência espacial da Tongji University com 71,49. A diferença foi de apenas 0,84 pontos. O WorldIncept demonstrou melhores resultados em aderência às leis físicas, precisão 3D e correspondência semântica, enquanto o BWM-Turbo liderou em coerência de fundo e similaridade JEPA. Além disso, a Visincept claramente utiliza a abordagem JEPA.

Vitória da Zhongguancun Academy na segunda trilha

A segunda trilha, apresentada este ano, utilizou um modelo de mundo como ambiente para aprendizado por reforço online em uma tarefa de ajuste de garrafa no robô RoboTwin 2.0, após o qual a política treinada foi testada em simulação. O modelo MW2 da Zhongguancun Academy conquistou a vitória com 72,93 entre 47 modelos, superando o TTWM, que é a versão competitiva de um modelo de mundo causal orientado ao JEPA, de outro startup. A equipe que ficou em segundo lugar observou que o treinamento em seu modelo aumentou a frequência de sucesso da política pi0.5 de 55,46% para 72,40%.

Xiaomi vence na trilha de robôs reais

A terceira trilha, também nova, foi realizada em robôs reais AgileX de dois braços e Franka Panda. Suas tarefas, que incluem operações visuo-táteis, como pegar chips, limpar pepinos e inserir garfos, bem como tarefas baseadas apenas em visão, como limpar mesas, despejar água e dobrar roupas. O modelo ViTacX da equipe MiRobot da Xiaomi obteve a vitória geral com uma pontuação de 76,64. Sua vantagem foi determinada pela subclassificação baseada apenas em visão, onde liderou a lista com um resultado de 85,00, incluindo notas perfeitas em três tarefas. Na subclassificação baseada em tarefas visuo-táteis, ficou em terceiro lugar com 66,67, enquanto o OmniFlow da Universidade Tecnológica de Xangai ficou em segundo lugar em ambas as subclassificações.

Os organizadores enfatizaram que a participação em cada trilha foi voluntária, portanto, ainda não foi demonstrado que algum modelo supera os outros simultaneamente na geração de vídeo, aprendizado de políticas e manipulação de robôs reais.