Ex-cientistas da Meta querem levar IA visual para o chão de fábrica

A IA está transformando tudo ao nosso redor, mas, até o momento, ela tem permanecido amplamente confinada ao âmbito digital. No entanto, cada vez mais, startups buscam levá-la para o mundo real.

Perceptron, uma startup fundada por dois ex-pesquisadores científicos da Meta, é uma dessas empresas. Fundada em novembro de 2024, a firma desenvolve modelos de visão de ponta que visam ajudar as máquinas a interagir com mais competência com seus ambientes físicos.

Esta semana, a empresa lançou seu modelo mais recente, o Isaac 0.5, que, segundo seus criadores, foi projetado para dar às máquinas a capacidade de “perceber, raciocinar e agir” em ambientes industriais. Especificamente, o software é capaz de ajudar robôs guiados por visão a navegar em ambientes complexos, como armazéns ou pisos de fábricas. Ele também ajuda empresas a extrair inteligência visual de vídeos gravados por esses robôs.

O Isaac 0.5 também está sendo lançado como um modelo de pesos abertos, de modo que seus parâmetros e materiais de treinamento possam ser inspecionados por qualquer pessoa.

A startup, que recentemente captou US$ 21 milhões em uma rodada de financiamento liderada pela Bessemer Venture Partners, foi cofundada por Armen Aghajanyan e Akshat Shrivastava, que anteriormente trabalharam na Fundamental AI Research (FAIR) da Meta, a divisão de pesquisa em IA da gigante da tecnologia. A dupla vê seu software como o futuro da implantação automatizada industrial.

“A IA física hoje força uma falsa escolha: modelos de fundação generalistas que exigem várias GPUs de nuvem dedicadas para cada instância, ou modelos restritos que lidam com percepção ou controle, mas nunca com ambos”, afirma a empresa.

Aghajanyan e Shrivastava dizem que sua ferramenta é diferente dos modelos existentes na área porque é de propósito geral, o que significa que não foi construída para uma tarefa específica e repetitiva. Em vez disso, dizem eles, o modelo foi projetado para ser flexível, dependendo do ambiente (ou situação) particular em que se encontra.

Em uma entrevista, Shrivastava me pediu para considerar o que está envolvido em um processo físico simples, como organizar caixas: “Imagine que há um robô sendo implantado para classificar pacotes agora mesmo. Quais são as tarefas que ele precisaria realizar?”

Uma tarefa relativamente simples como essa de fato consiste em muitas etapas. Primeiro, um robô teria que ler a etiqueta do pacote, fazer alguma análise espacial para entender onde as caixas estão e decidir qual delas pegar. Se ele estiver pegando uma série de caixas, ele teria que planejar quais caixas pegar e em qual ordem.

O software da Perceptron foi projetado para ajudar os robôs a encontrarem seu caminho em cada etapa do processo. Para ser claro, a indústria já possui softwares que podem ajudar as máquinas a realizar a maioria dessas tarefas, mas há poucos programas projetados para fazer isso de forma flexível.

De onde vêm os dados para essa alquimia algorítmica?

Modelos como o Isaac 0.5 aprendem habilidades operacionais ingerindo quantidades gargântuescas de dados de treinamento em vídeo. A Perceptron diz que seu novo modelo foi alimentado com um milhão de horas do que é conhecido como vídeo geral para ensinar seu algoritmo a identificar configurações, visuais e cenários particulares. A empresa também confiou fortemente no que é conhecido como vídeo egocêntrico — vídeo capturado, tipicamente através de uma GoPro ou uma câmera vestível, a partir da perspectiva de uma pessoa concluindo uma tarefa física —, bem como em vídeos UMI, que são usados de maneira semelhante para ensinar movimentos a sistemas de IA gravando ações humanas repetitivas.

Embora a Perceptron não esteja divulgando as fontes de seus dados de treinamento, Shrivastava disse que a empresa “construiu internamente conjuntos de dados em escala de petabytes que abrangem modalidades, sejam imagens, texto, vídeo, etc., até trajetórias robóticas”.

A utilidade de um software que pode ajudar robôs a operarem com competência em armazéns é obviamente vasta, e a Perceptron acha que está bem posicionada para liderar essa onda de automação. A startup está pronta para comercializar seu software para uma variedade de fornecedores e, assim, potencialmente ver sua camada de inteligência integrada a uma ampla gama de indústrias.

Essas indústrias incluem manufatura, logística e armazenagem, segurança, mobilidade, além de mídia e entretenimento.

“Nada parecido realmente existe por aí”, disse Aghajanyan. “Estamos realmente empolgados com isso.”