Universidade de Zhejiang e Unitree abrem 5 milhões de movimentos verificados para robôs
Para ensinar um robô a agachar ou a lavar o chão, os movimentos geralmente são gravados em pessoas com trajes de captura. É um processo caro, e os dados acabam sendo escassos. O laboratório da Universidade de Zhejiang e a Unitree montaram, a partir de vídeos comuns da internet, o Movens-5M: 5 milhões de movimentos para robôs, somando mais de 10 000 horas. Cada movimento passou por um simulador, e só ficaram os que o robô consegue executar. Para os desenvolvedores, isso significa uma base aberta para pré-treinamento, sem precisar gravar dados do zero.
Processado por IA de Jiqizhixin (机器之心); editado por Hamidun News
Para ensinar um robô a agachar, lavar o chão ou boxear, os movimentos geralmente são gravados em pessoas reais usando trajes de captura e depois testados em hardware de verdade. O processo é caro e lento, e por isso existem muito menos dados para robôs do que textos para modelos de linguagem. O laboratório conjunto de inteligência incorporada da Universidade de Zhejiang e da Unitree propôs um atalho: pegar vídeos comuns da internet em que pessoas fazem alguma atividade e transformá-los em movimentos para robôs.
O resultado é o Movens-5M, um conjunto aberto com 5 milhões de movimentos, de duração total superior a 10 000 horas, distribuídos em 297 tipos de ação e 16 categorias de cenas. Quem desenvolve modelos de controle para robôs humanoides ou quadrúpedes ganha uma base pronta para pré-treinamento, sem precisar gravá-la por conta própria.
Que dados foram publicados
O nome Movens-5M é autoexplicativo: cinco milhões de movimentos. Cada um deles foi executado em um simulador, ou seja, teve a viabilidade de execução verificada. No título original da notícia em chinês, o lançamento foi chamado de potencial «momento GPT» da inteligência incorporada, isto é, dos robôs que agem no mundo físico. A formulação é grandiosa, mas o conjunto de dados merece atenção por si só.
Os movimentos estão divididos em 297 tipos: caminhar, agachar, lavar o chão, boxear e outros. As cenas foram agrupadas em 16 categorias: vida doméstica, treinos de fitness, lazer ao ar livre. Uma conta simples mostra que o exemplo médio dura cerca de 7 segundos. São episódios curtos e completos, e não gravações longas e contínuas. Participaram do projeto a Universidade de Zhejiang, o laboratório em parceria com a Unitree, conhecida por seus robôs quadrúpedes e humanoides, e outras equipes.
Como funciona
A ideia é familiar para quem já viu vídeos em plataformas de streaming: uma pessoa lava o chão, faz ginástica, golpeia um saco de pancadas. Dá para extrair desse tipo de vídeo a trajetória do corpo e transferi-la para um robô. Só que o corpo humano e o corpo do robô são diferentes: mudam as proporções, as articulações, os limites de ângulo e de equilíbrio. Por isso, parte dos movimentos «traduzidos» é fisicamente impossível para o robô, que simplesmente cairia.
É aqui que a etapa de verificação ganha importância. Segundo a descrição dos autores, cada movimento foi executado em um simulador. Os exemplos inviáveis foram descartados, e ficaram apenas aqueles que o modelo do robô realmente consegue reproduzir. Para o treinamento, isso faz diferença: a rede neural não gasta esforço memorizando movimentos que não podem ser repetidos.
O que fazer com isso na prática
Primeiro, o pré-treinamento. Dá para ensinar habilidades básicas a um modelo com o Movens-5M e depois ajustá-lo com uma pequena quantidade de gravações próprias, voltadas a uma tarefa específica e a um robô específico. Sai mais barato do que coletar tudo do zero.
Segundo, a comparação justa. Com o conjunto aberto, grupos diferentes podem treinar seus modelos exatamente sobre o mesmo material e comparar os resultados. Na robótica, isso ainda é raro: o mais comum é cada empresa trabalhar com dados fechados.
Terceiro, um recado para os fundadores. Laboratórios chineses estão apostando na escala de dados, a exemplo do que ocorreu com os modelos de linguagem, e publicam esses dados em acesso aberto. Quem coleta dados fechados precisa levar em conta que a alternativa aberta ficou bem maior.
Ressalvas
A parte disponível da notícia não traz informações sem as quais é difícil avaliar o conjunto de dados. Não se sabe em quais robôs e em quais simuladores os movimentos foram verificados, qual é a licença dos dados nem quais resultados os modelos treinados com eles alcançaram. A simulação continua sendo uma aproximação da física: um movimento executável no simulador pode se comportar de outra forma em um robô real, por causa de atrito, folgas mecânicas e atrasos.
Além disso, 297 tipos de ação e 16 categorias de cenas cobrem muitas situações domésticas, mas ainda não representam toda a vida real. Isso fica especialmente evidente em tarefas nas quais o robô precisa pegar e reposicionar objetos, e não apenas mover o próprio corpo.
Por isso, ainda é cedo para chamar o Movens-5M de «momento GPT». Primeiro, é preciso ver o quanto os modelos pré-treinados com esses dados se saem melhor em tarefas com robôs reais. Mesmo assim, um conjunto aberto de 10 000 horas com verificação de viabilidade já é um recurso útil. Se você trabalha com robôs humanoides ou quadrúpedes, vale baixar o conjunto, estudar a licença e o formato e verificar se ele reduz seus custos de coleta de dados.
- 17 de fev. de 2026Unitree G1: novos detalhes do humanoide mais avançado da empresa
- 29 de jan. de 2026Unitree UnifoLM-VLA-0: robôs chineses aprendem a pensar com as mãos
- 10 de fev. de 2026Adeus, atraso: Universidade Tecnológica de Nanyang acelera a reação de robôs em ambientes dinâmicos
- 5 de out. de 2026BRACE ensina o humanoide Unitree G1 a controlar força e ficar em pé em declives sem mapa de altura
Perguntas frequentes sobre a notícia
O que se sabe sobre Que dados foram publicados?
O nome Movens-5M é autoexplicativo: cinco milhões de movimentos. Cada um deles foi executado em um simulador, ou seja, teve a viabilidade de execução verificada. No título original da notícia em chinês, o lançamento foi chamado de potencial «momento GPT» da inteligência incorporada, isto é, dos robôs que agem no mundo físico. A formulação é grandiosa, mas o conjunto de dados merece atenção por si só. Os movimentos estão divididos em 297 tipos: caminhar, agachar, lavar o chão, boxear e outros.
Como funciona?
A ideia é familiar para quem já viu vídeos em plataformas de streaming: uma pessoa lava o chão, faz ginástica, golpeia um saco de pancadas. Dá para extrair desse tipo de vídeo a trajetória do corpo e transferi-la para um robô. Só que o corpo humano e o corpo do robô são diferentes: mudam as proporções, as articulações, os limites de ângulo e de equilíbrio. Por isso, parte dos movimentos «traduzidos» é fisicamente impossível para o robô, que simplesmente cairia. É aqui que a etapa de verificação ganha importância.
O que fazer com isso na prática?
Primeiro, o pré-treinamento. Dá para ensinar habilidades básicas a um modelo com o Movens-5M e depois ajustá-lo com uma pequena quantidade de gravações próprias, voltadas a uma tarefa específica e a um robô específico. Sai mais barato do que coletar tudo do zero. Segundo, a comparação justa. Com o conjunto aberto, grupos diferentes podem treinar seus modelos exatamente sobre o mesmo material e comparar os resultados. Na robótica, isso ainda é raro: o mais comum é cada empresa trabalhar com dados fechados.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.