Pesquisadores da CASIA aumentam o sucesso na inserção de peças por robô com sensor tátil

Pesquisadores da Universidade Tsinghua, Infinigence AI e AgiBot apresentaram uma abordagem de aprendizado chamada Aprendizagem de Experiência Coletiva (Collective Experience Learning, ou CEL). Este método permite que os robôs aprendam com os sucessos de outros robôs, em vez de depender predominantemente de demonstrações humanas.

De acordo com um comunicado publicado pela QbitAI em 30 de outubro, a equipe testou este método em um cluster de 96 robôs reais. O artigo científico correspondente está disponível no arXiv sob o número 2610.25736.

O problema original que os pesquisadores estão resolvendo está relacionado aos recursos de trabalho. Os robôs melhoram acumulando experiência prática, mas hoje isso é frequentemente alcançado através da repetição múltipla de movimentos por humanos ou intervenção do operador para corrigir erros. Embora centenas de robôs possam ser implantados, operadores qualificados não podem ser escalados na mesma velocidade.

Ao usar o CEL, a experiência bem-sucedida obtida por um robô é preservada e compartilhada, permitindo que um robô enfrentado a uma tarefa aprenda como seus colegas resolveram situações semelhantes.

Testes de Tarefas e Resultados

A equipe testou cinco tarefas diferentes, abrangendo tanto trabalhos domésticos quanto industriais: separar cores, dobrar roupas, carregar telefones, montar um banquinho e embalar telefones. Dois robôs que não participaram do treinamento realizaram 600 testes, cometendo 15 falhas, o que resultou em uma taxa geral de sucesso de 97,5%. A taxa de sucesso em todas as cinco tarefas excedeu a média de seis operadores humanos.

Em particular, no empacotamento de telefones, que é uma tarefa industrial multifásica, a taxa de sucesso aumentou de 79,2% para 98,3% após a aplicação do aprendizado coletivo, com apenas dois falhas registradas em 120 tentativas consecutivas.

Também foi observada uma tendência de escalabilidade: mantendo o mesmo volume de tempo real de treinamento, o aumento no número de robôs participantes de 16 para 96 elevou o sucesso de 86,7% para 98,3%.

Componentes Técnicos do Sistema

O funcionamento deste sistema é garantido por dois elementos chave. O primeiro é um sistema de aprendizado assíncrono tolerante a falhas chamado FATS. Este sistema é construído sobre a plataforma de aprendizado por reforço em larga escala RLinf. Os robôs carregam sua experiência imediatamente após a conclusão da tarefa, sem esperar pelos outros, e o cluster continua funcionando mesmo se os dispositivos forem desligados.

Durante o teste com 96 robôs, o cluster coletou 9.834 episódios. Vinte e dois robôs tiveram um total de 30 falhas, mas a perda de tempo dos robôs foi de apenas 1,3% do tempo total de operação.

O segundo componente é um algoritmo chamado ajuste fino de recuperação de experiência guiado por falhas (failure-guided experience retrieval fine-tuning, ou FERT). Uma manipulação pode durar minutos e incluir milhares de passos de ação, mas o feedback muitas vezes se resume apenas ao sucesso ou fracasso final. O FERT utiliza ambos esses aspectos: quando um robô encontra dificuldades, ele recupera experiências bem-sucedidas de situações semelhantes e foca o aprendizado especificamente nesses exemplos.

O comunicado foi fornecido pela Infinigence AI. Os resultados são apresentados pelo grupo de pesquisa e ainda não passaram por verificação independente.

A Alibaba, em colaboração com o Alibaba Token Hub, apresentou o modelo λ0. Este modelo fundamental foi desenvolvido para treinar robôs humanoides em movimentos e manipulações coordenadas, utilizando demonstrações feitas por humanos.

O sistema é treinado com gravações em primeira pessoa, sincronizadas com os movimentos do corpo e dos braços. Isso permite que os robôs executem tarefas mais complexas, combinando caminhada, correção de postura e operações com as duas mãos.

Os pesquisadores criaram o conjunto de dados HumanVerse, que inclui 500 horas de gravações de pessoas realizando diversas atividades em condições reais. Essa abordagem reduz a necessidade de coletar demonstrações através de teleoperação de robôs.

Durante os testes, a equipe demonstrou que o λ0 alcançou 62,5% de sucesso na execução de tarefas relacionadas à locomoção e manipulação no mundo real. O projeto também forneceu aos pesquisadores código de configuração de hardware para coleta de dados e amostras de dados.

A Primotion, uma startup de Shenzhen fundada em julho de 2026 para desenvolver chips para IA incorporada, saiu pela primeira vez para o público não com silício, mas sim com um modelo. Seu modelo fundamental incorporado, Paimon-0, conquistou o primeiro lugar em vários benchmarks de robótica públicos, de acordo com um relatório detalhado da QbitAI publicado no Tencent News, bem como um relatório anterior do The Beijing News.

A empresa afirma que o Paimon-0 obteve um resultado de 0,7754, liderando o placar do RoboColiseum, onde também liderou nas subcategorias de manipulação geral e adaptação a perturbações. O modelo alcançou 58,1 pontos no RoboCasa365 e demonstrou uma média de sucesso de 0,73 na VLA-Arena. Além disso, venceu um concurso de política para robôs de dois braços com um resultado de 46,599 pontos. Todos esses resultados são apresentados pela própria empresa.

O modelo é construído em torno de um modelo de ação mundial que prevê estados futuros, que são então traduzidos em ações usando um modelo de dinâmica inversa. Como a renderização completa de vídeo futuro é muito lenta para robôs em tempo real, o Paimon-0 usa tokens de consulta para extrair apenas características essenciais, como pose 3D do objeto, semântica e usabilidade, antes de prever ações no dispositivo. Segundo a Primotion, isso reduz o tempo de execução para um bloco de ações de aproximadamente 3000 ms para 300 ms. A empresa enfatiza que se trata do tempo de execução do bloco, e não do período do loop de controle de baixo nível. O pré-treinamento depende em grande parte de vídeos de manipulação em primeira pessoa fornecidos pelo parceiro EgoScale.

O CEO Ren Qingyuan, ex-vice-presidente de processadores RISC-V da empresa, explica por que a empresa de chips começou com um modelo. Ele acredita que a equipe deve primeiro passar por um ciclo completo de dados, modelo, agente e avaliação em tarefas reais dos clientes e, em seguida, usar essas cargas de trabalho para definir o chip. A Primotion divide o trabalho entre um planejador em nuvem, que eles chamam de cérebro meta, e um cérebro local no dispositivo, que processa feedback de alta frequência de visão, tato e força.

Os trabalhos no hardware já começaram. Adicionando um FPGA ao controlador principal do robô para aliviar a carga de pré e pós-processamento, a Primotion relata ter reduzido o erro no pior cenário do ciclo de controle EtherCAT com frequência de 1 kHz de 30 microssegundos em software para 152 nanossegundos. A maior parte dessa lógica destina-se a ser transferida para um chip proprietário que a empresa planeja começar a fornecer em 2028.

A empresa declara que não criará carcaças de robôs. Planeja lançar o código-fonte de seu modelo progressivo Paimon-Eval em novembro ou dezembro, e espera-se o lançamento de um segundo modelo fundamental treinado em dados de primeira pessoa em cerca de três meses.