Agente com GPT-6 Sol ensinou um robô virtual a andar e a procurar gatos em poucas horas

Normalmente, o caminho da ideia de "quero um robô que ande pela sala e encontre o gato" até uma simulação funcional leva semanas. É preciso escrever código, configurar o ambiente, iniciar o treinamento, ver por que o robô cai, ajustar as recompensas e repetir. O colunista da Wired Will Knight tentou entregar quase todo esse ciclo a um modelo de linguagem e levou apenas algumas horas.

O que exatamente o agente fez

O herói do experimento é uma versão virtual do Microduck, um robô fofo da Pollen Robotics e da Hugging Face. O autor ainda espera pela unidade física, então tudo aconteceu em um simulador. A tarefa é simples: andar pela sala e reconhecer gatos-de-bengala. Mais tarde, o robô deve entregar um petisco à pet do autor, chamada Leona.

O conjunto de ferramentas: o GPT-6 Sol da OpenAI, o arcabouço de agentes Hermes da Nous Research e um computador pessoal Nvidia DGX Spark. O modelo não apenas escrevia código. Por meio do Nvidia Isaac Sim, ele passava instruções a um modelo que controlava o robô virtual, assistia a vídeos dos resultados, avaliava como as coisas iam e sugeria mudanças no regime de treinamento. Ou seja, o humano atuava mais como cliente, enquanto o agente assumiu a rotina do pesquisador: rodar experimentos e analisar resultados.

O resultado: o robô aprendeu a andar sem cair. A tentativa de ensiná-lo o moonwalk a partir de um GIF de Michael Jackson fracassou. Depois de várias horas de trabalho, saiu apenas uma "corrida muito animada de costas".

O que fazem os profissionais

Coisas parecidas também são testadas em laboratórios. Após o lançamento do modelo Astra em setembro, a equipe do professor Ken Goldberg, de Berkeley, viu a demonstração dele gerando imagens 3D e se perguntou: isso ajudaria a construir simulações para treinar robôs? Essas simulações precisam ser muito precisas; caso contrário, comportamentos complexos, como a dança de um humanoide ou o agarre com a mão, se transferem mal para o mundo real.

Um dos estudantes deu ao Astra acesso à ferramenta Nvidia Newton, mostrou um videoclipe com um robô real e pediu que recriasse a cena. Segundo Goldberg, em menos de uma hora o modelo produziu uma simulação 3D completa com parâmetros configurados: posição da câmera, iluminação, fundo e materiais.

Nesta semana, Goldberg, o pesquisador da Nvidia Jim Fan e colegas abriram o código do framework Aspire. Ele permite que o robô encontre e aplique novas habilidades por conta própria. Em um dos exemplos, o GPT-6 Astra controlou dois braços robóticos e montou um cubo mágico: primeiro o pegou no ângulo errado, depois raciocinou por bastante tempo e ainda assim conseguiu, porque ia acumulando habilidades ao longo do caminho. Na conferência CoRL, em Austin, Fan mostrou outra demonstração: o modelo pinta a ponte Golden Gate com pincel e tintas.

A ideia de Fan é que o LLM agora controla robôs do mesmo modo que controla ferramentas de software. Os modelos treinados para ações físicas (VLA) são, para ele, apenas mais uma ferramenta, como um aplicativo em um computador.

Limitações e conclusão prática

Não se deve esperar que amanhã os robôs funcionem sozinhos. O autor reconhece honestamente que a visão do seu patinho é fraca demais para um produto real. O funcionamento confiável e eficiente de robôs continua exigindo séria expertise de engenharia. Além disso, os resultados das demonstrações são descritos pelos próprios participantes, e não há verificação independente no material.

Mesmo assim, a conclusão para os profissionais é esta. O gargalo na robótica está se deslocando de "escrever o código" para "formular a tarefa e verificar o resultado". Se você tem um simulador, análise de vídeo e um agente capaz de rodar experimentos e analisar os resultados, o ciclo de iterações cai de semanas para horas. Para protótipos e projetos de hobby, já dá para experimentar, e o Aspire é um ponto de entrada pronto.

Goldberg diz que várias empresas de robótica industrial e automação já se interessaram pela abordagem. Elas veem potencial na manufatura e no comércio eletrônico. Knight supõe que, depois do "vibe coding", pode chegar a "vibe robótica": quando programar e treinar robôs ficar fácil tanto para amadores quanto para engenheiros. E Leona, se tudo der certo, não ficará mais sem o seu petisco.