Construtores de cérebros de robôs estão saindo de sua era do GPT-2

A IA Física é um dos setores mais quentes no investimento de capital de risco, com empresas captando bilhões para aplicar as ferramentas que nos deram Grandes Modelos de Linguagem à robótica.

Essa euforia ajudou a proporcionar um grande IPO para a Unitree, a principal fabricante de robôs da China, fazendo com que a empresa fosse avaliada em US$ 66 bilhões após sua estreia no equivalente chinês da NASDAQ. No entanto, esta semana o mercado despencou e a empresa perdeu quase metade do seu valor. Analistas apontam para um problema óbvio: embora as capacidades físicas dos robôs estejam melhorando, eles ainda carecem do conhecimento prático para realizar trabalhos que gerem valor real.

Na conferência Actuate da semana passada, um encontro de desenvolvedores construindo cérebros de IA para robôs, a empolgação era evidente. O evento triplicou de tamanho desde que foi lançado em 2023 e contou com 1.500 participantes, de acordo com a organizadora Foxglove, uma empresa que ajuda criadores de modelos de IA física a gerenciar e visualizar seus dados.

O risco também era evidente: um cartaz em um estande da Avala, outra empresa de infraestrutura de IA física, prometia resolver “a crise de dados em robótica.”

Essa crise é a falta de dados de treinamento de alta qualidade para modelos de IA. As tentativas de construir robôs generalizados que possam realizar qualquer tarefa ainda estão distantes, e o uso de aprendizado de ponta a ponta para tarefas específicas ainda não entregou produtos com desempenho comercial confiável. Para os desenvolvedores, a resposta é imitar melhor os avanços dos laboratórios de IA de fronteira — encontrar ou criar conjuntos de dados mais diversos, mexer com diferentes regimes de treinamento e descobrir melhores cenários de aprendizado por reforço.

Harry Mellsop, fundador da Antioch, uma startup que constrói ferramentas de simulação para criadores de modelos, sugere que a IA física está em sua “era GPT 2”, o modelo da OpenAI que antecedeu a chegada do ChatGPT. Mais dados e poder computacional serão necessários para superar esse obstáculo, particularmente GPUs otimizadas para *ray tracing*, que são usadas para criar simulações de alta fidelidade.

Os mais avançados são os veículos autônomos, em parte devido à capacidade de coletar dados relevantes de carros conduzidos por pessoas, e em parte porque a principal tarefa é evitar o contato, e não manipular o ambiente físico. Grande parte das ferramentas para a construção de modelos vem de empresas de veículos autônomos; a Foxglove, por exemplo, foi fundada por ex-funcionários da Cruise, a antiga iniciativa de carros autônomos da General Motors.

E agora essas montadoras estão apostando cada vez mais que seus investimentos em ferramentas de aprendizado de máquina (ML) lhes permitirão competir com fabricantes dedicados de humanoides. A Tesla já está tentando isso com seu robô Optimus, e agora tanto a Wayve, focada em veículos autônomos, quanto a gigante de caronas compartilhadas Uber lançaram laboratórios de robótica focados em formatos humanoides como esforços de P&D.

“Acho que você precisa começar pelos veículos... a robótica de manipulação é como a direção autônoma há cinco anos”, disse Alex Kendall, CEO da Wayve, ao TechCrunch. “A infraestrutura de dados, a simulação, a infraestrutura de operações de ML provavelmente serão compartilhadas, mas o modelo de mundo específico para o simulador passará por um pós-treinamento diferente. Haverá muito mais pontos em comum do que diferenças, mas depois será preciso haver algumas diferenças para diferentes corporificações.”

Kendall argumenta que é muito cedo para se comprometer com qualquer plataforma de hardware específica — os avanços em sensores e outros componentes estão chegando rapidamente, e um modelo verdadeiramente geral deve ser mais agnóstico.

Théophile Gervet, CEO da Genesis AI, uma empresa de robótica humanoide verticalmente integrada que levantou uma rodada semente de US$ 105 milhões este ano, discordou, dizendo ao TechCrunch que “estamos muito no início desta onda para que uma estratégia focada apenas no cérebro funcione; nossa visão é que há muitas oportunidades para co-projetar hardware e IA”.

Gervet também abordou outro tópico quente no setor: como focar especificamente o seu negócio de IA física. As empresas de robótica que estão mirando em tarefas específicas estão conseguindo colocar seus robôs em campo — a Gritt está construindo fazendas solares, a Agility está implantando robôs em ambientes industriais e a Bedrock está operando escavadeiras de forma autônoma. Enquanto isso, os humanoides de propósito geral não conseguem sair dos laboratórios.

“Nenhum cliente se importa com o robô de propósito geral que funciona com 80% de taxa de sucesso”, disse Gervet sobre o dilema. “Vemos muitos outros players indo para o propósito geral, mas não há valor agregado porque não há foco vertical... mas por outro lado, se você estiver construindo [para um nicho] vertical sobre o GPT 2, você vai ser esmagado pela empresa que está construindo sobre o GPT 4.”

A tentação de investir em um vertical específico, no entanto, é atraente porque fornece não apenas receita, mas também dados de implantação no mundo real. Embora dados específicos de tarefas possam não ter diversidade suficiente para impulsionar modelos de propósito geral, eles são importantes para criar um robô que agrega valor. O diretor de tecnologia (CTO) da Bedrock, Kevin Peterson, observou que sua empresa estava apenas começando com a escavação como uma forma de entender os desafios da “manipulação na natureza”, mas planeja desenvolver uma camada de inteligência que se estenda por uma série de máquinas de construção.

Gerenciar todos esses dados é um desafio, especialmente devido à densidade de dados visuais e de LiDAR. A Foxglove anunciou um novo produto esta semana, construído sobre o modelo de mundo de pesos abertos Cosmos da Nvidia, que permite aos engenheiros pesquisar esses dados com consultas sofisticadas em linguagem natural para criar avaliações e simulações. O objetivo é uma triagem e depuração mais rápidas para que os criadores de modelos possam iterar mais rápido.

Então, qual será o lendário momento ChatGPT para a IA física que Sam Altman disse recentemente estar a poucos anos de distância? Kendall aponta que os maiores desdobramentos de robôs no mundo ainda são os aspiradores robôs de consumo. Para ele, um momento ChatGPT seria algo que empolgasse os consumidores, e não os investidores, que parecem já estar bastante empolgados.

“Um exemplo disso seria quando você conseguir autonomia onde não é preciso prestar atenção [ao trânsito] por menos de US$ 1.000 [em hardware] em um carro”, diz Kendall; não por coincidência, sua empresa está licenciando modelos para montadoras em um esforço para produzir exatamente isso. E esse negócio, que ele vê como uma oportunidade de vários bilhões de dólares, lhes permitirá construir um modelo de IA incorporada verdadeiramente geral.

Para Gervet, o momento em que a IA física se torna real é “a manipulação que simplesmente funciona direto da caixa. Você pode falar com um robô em linguagem natural e fazê-lo realizar qualquer tarefa básica de manipulação, como empurrar, puxar, fechar um laptop, limpar uma mesa, o que você quiser fazer, e isso funciona com algum nível de confiabilidade, digamos, 80% ou mais logo após tirar da caixa — essa é mais ou menos a sua experiência com o ChatGPT.”

Adrian Macneil, CEO da Foxglove, vê a questão de forma um pouco diferente.

“Não haverá um momento ChatGPT para a robótica”, disse ele ao TechCrunch. “A coisa que fez do ChatGPT um marco no tempo foi a distribuição — eles foram de zero a cerca de um milhão de usuários ativos em cerca de uma semana... a distribuição no mundo real é muito mais difícil do que isso, certo? Eu ficaria muito empolgado com o momento Apple II na robótica ou o momento IBM PC na robótica. Quando poderei comprar um robô doméstico que começará a fazer coisas úteis e divertidas?”