Ant Group ensina robôs a viver: novo modelo VLA de base supera o Pi0.5

Enquanto investidores de venture capital do Ocidente despejam dinheiro em startups como a Physical Intelligence, surgiu no horizonte um competidor que claramente ninguém por lá esperava. A Ant Group, empresa que costumamos associar a pagamentos e fintech, decidiu que robôs também precisam de cérebro. E não qualquer cérebro: um modelo VLA (Vision-Language-Action) aberto que, em muitos parâmetros, deixa para trás o atual queridinho do setor, o Pi0.

5. Se você achava que a batalha pela IA física ficaria restrita ao Vale do Silício, tenho novidades. Primeiro, vamos entender o que é um VLA.

Esqueça o chatbot que escreve poemas. Trata-se de uma tentativa de criar uma única rede neural que enxerga o mundo, entende comandos em texto e, principalmente, sabe como mover "mãos" mecânicas para cumprir uma tarefa. Durante muito tempo, os robôs foram treinados para cada manipulação separadamente, mas o VLA promete universalidade.

Imagine pedir a um robô "traga aquela caneca vermelha" e ele, além de reconhecer o objeto, traçar a trajetória do movimento em tempo real, levando em conta os obstáculos. É nessa liga que a Ant Group joga agora. O ponto curioso é que o Pi0.

5, da Physical Intelligence, era considerado o padrão-ouro dos modelos de base abertos para robótica. Era uma espécie de GPT-3 dos manipuladores. Mesmo assim, a Ant Group afirma que seu novo modelo supera o Pi0.

5 em precisão na execução de comandos e em adaptabilidade a novas condições. É um golpe e tanto no orgulho dos engenheiros americanos. A empresa chinesa não se limitou a copiar a arquitetura: ela otimizou a forma como o modelo conecta dados visuais a ações físicas, o que permitiu movimentos mais suaves e precisos.

Por que isso importa justamente agora? Estamos à beira de um boom de robôs humanoides. O hardware está ficando mais barato e acessível, mas o grande gargalo continua sendo o software: uma inteligência universal que permita ao robô sair do laboratório estéril e ir para um armazém de verdade ou para um apartamento.

A Ant Group aposta na abertura. Ao lançar o modelo em open-source, a empresa na prática convida milhares de desenvolvedores do mundo todo a testar e melhorar seu código. É uma jogada clássica: se não dá para vencer com patentes fechadas, crie um padrão que todos vão usar.

É interessante ver como a própria Ant Group está se transformando. Depois de todos os abalos regulatórios na China, a empresa busca novos pontos de apoio, e as tecnologias profundas (DeepTech) parecem o refúgio ideal. Robótica envolve hype, mas também um mercado enorme de automação logística, que na China é maior do que em qualquer outro lugar.

É possível que o modelo VLA da empresa tenha sido treinado desde o início com dados de armazéns reais do Alibaba, o que lhe daria uma enorme vantagem sobre modelos treinados em simulação. Há ainda outra camada importante nessa história: a geopolítica. Enquanto os EUA impõem sanções sobre chips, a China responde com um salto em algoritmos.

Um modelo aberto com esse nível de complexidade é uma poderosa ferramenta de influência. Se amanhã metade das startups de robótica da Europa ou da Ásia usar a base da Ant Group, a pergunta sobre qual ecossistema venceu vai se responder sozinha. Estamos vendo a disputa pela liderança em IA migrar dos chats de texto para o mundo físico.

O principal: a Ant Group abriu um precedente sério ao lançar, em acesso aberto, um modelo que supera os equivalentes ocidentais. A Physical Intelligence ou a OpenAI conseguirão responder com algo mais impressionante, ou a liderança em "cérebros para robôs" vai ficar de vez com o Oriente?