UniWAM, da 欧拉万象 e da HKUST(GZ), une compreensão do mundo, previsão e ação de robôs

A 欧拉万象 e a Universidade de Ciência e Tecnologia de Hong Kong (Guangzhou, HKUST(GZ)) publicaram a versão aberta do UniWAM, um modelo para IA incorporada. Em um único sistema, ele resolve três tarefas: entende o que acontece na cena, prevê o estado futuro dela e gera ações para o robô. O código e os pesos foram divulgados por completo. A principal aposta de pesquisa dos autores é a scaling law do treinamento conjunto com dados de humanos e de robôs (Human-Robot Co-training).

O anúncio chegou por meio do veículo chinês Jiqizhixin e traz poucos detalhes técnicos. Abaixo, o que está confirmado e o que ainda será preciso conferir no repositório e no artigo.

O que se sabe sobre o UniWAM

O UniWAM dá continuidade à linha Ola-Sem. As mesmas equipes já haviam lançado esse modelo e, segundo elas, ele alcançou posições de destaque nos principais benchmarks mundiais. A parte do anúncio a que tivemos acesso não informa quais métricas e pontuações foram essas.

O nome sugere a classe dos World Action Models. No esquema clássico, um modelo VLA recebe uma imagem e uma instrução e devolve a ação diretamente. Já o modelo de mundo aprende a prever como a cena vai mudar em seguida. O UniWAM tenta unir tudo em um treinamento único: a representação geral do mundo serve ao mesmo tempo para compreensão, previsão e controle. Essa é uma interpretação nossa do nome e da descrição, não uma citação da documentação.

Principais fatos do anúncio:

• Tarefas: compreensão do mundo, previsão do futuro e geração de ações em um só modelo.
• Dados: treinamento conjunto com material de humanos e de robôs.
• Pergunta de pesquisa: como a qualidade muda conforme crescem o volume e a proporção de dados humanos.
• Abertura: código e pesos publicados, e não apenas o artigo.
• Origem: sucessor do Ola-Sem, fruto da colaboração entre uma empresa e uma universidade.
• Não revelado no anúncio: tamanho do modelo, arquitetura, benchmarks do UniWAM e licença.

Por que a scaling law para dados humanos importa

O principal problema da IA incorporada é a falta de dados. Coletar demonstrações com um robô real é caro: exige equipamento, operadores e tempo. Já existe um acervo muito maior de vídeos de pessoas pegando, reposicionando ou montando objetos. Mas o humano tem outra "mão", outra cinemática e outro ângulo de câmera. Por isso, não está claro quanto benefício esses dados trazem nem em que proporção devem ser misturados aos dados de robôs.

Se essa mistura seguir uma lei de potência reproduzível, como acontece com os modelos de linguagem, o planejamento muda. A equipe pode estimar quantas horas de gravações humanas equivalem a uma hora de teleoperação, que é cara. Pode identificar onde o ganho com dados adicionais se esgota. E pode decidir onde investir o orçamento: na coleta de dados ou em um modelo maior.

Por enquanto, os autores afirmam apenas que estudam a tendência. No trecho a que tivemos acesso, não há curvas concretas, coeficientes nem comparação com datasets de robôs. São esses números que vão definir se o trabalho será um guia prático ou apenas uma demonstração bem feita.

O que verificar antes de usar

Pesos abertos para IA incorporada já são raros por si só, e os laboratórios chineses os publicam cada vez mais. Mas entre a publicação e a utilidade para o seu robô há uma série de perguntas.

1. Licença. O uso comercial é permitido?

É possível fazer fine-tuning e distribuir modelos derivados? 2. **Hardware.

** Qual plataforma foi usada no treinamento e na inferência, quanta memória é necessária e qual é a latência na geração de ações. Para controle em tempo real, isso é crítico. 3.

Tipo de robô. O funcionamento foi demonstrado em várias morfologias ou em apenas uma? Disso depende se o resultado é transferível.

4. Benchmarks. O UniWAM foi comparado com modelos VLA e modelos de mundo separados nas mesmas tarefas, e não apenas com as próprias versões anteriores?

5. Reprodutibilidade. Os dados foram publicados, ou pelo menos a receita de mistura?

Sem isso, a scaling law continuará sendo uma afirmação que não pode ser verificada.

Pesquisadores e engenheiros devem começar pelo repositório e pelo artigo: procurar os gráficos que relacionam qualidade e proporção de dados humanos e ver em quais tarefas o efeito se sustenta. Se as curvas forem de fato estáveis, dá para testar a abordagem com dados próprios. Se não forem, o UniWAM continua sendo uma base aberta útil para experimentos com treinamento unificado de compreensão, previsão e ação.