Robôs presos nos dados: por que os vídeos de salto mortal são só o começo

# Robôs presos nos dados: por que os vídeos de salto mortal são só o começo

No último ano, a internet foi inundada por vídeos de truques impressionantes: robôs pulam, dançam, desferem socos e quebram melancias com um chute. Os investimentos crescem, a imprensa está cheia de manchetes otimistas e o público tem certeza de que a era dos robôs assistentes domésticos está prestes a começar. Mas, ao olhar os bastidores desse teatro tecnológico, o quadro se revela bem mais complexo e mais triste.

Neste exato momento, em silenciosos centros de preparação de dados por toda a China, operadores humanos de luvas controlam manipuladores de forma lenta, quase penosa, ensinando as máquinas a pegar peças, guardar ferramentas e fechar tampas de caixas. Essa cena não tem nada da aura cinematográfica dos vídeos virais, mas é ela que define o progresso real da robótica. Entre um truque impressionante e um ajudante doméstico útil existe um problema fundamental: a falta catastrófica de dados de qualidade.

Modelos de linguagem como ChatGPT e DeepSeek se apoiam no triunfo de uma lógica simples: milhares de bilhões de exemplos de texto da internet permitiram que a IA entendesse a linguagem e passasse a gerar conteúdo com sentido. Já a robótica encara uma realidade bem diferente. Os dados de texto vivem em um espaço digital bidimensional e são fáceis de copiar e distribuir, mas o mundo físico é um fluxo de informação multidimensional e contínuo.

Um robô precisa perceber o mundo por vários canais ao mesmo tempo: vídeo de várias câmeras, sensores de força, sensores de toque, informações sobre a posição das articulações. Cada operação realizada pelo manipulador gera dados estruturados, com 57 dimensões em alguns sistemas. E todos esses fluxos precisam estar perfeitamente sincronizados até o milissegundo; do contrário, o modelo aprenderá pura alucinação em vez de uma relação de causa e efeito.

A China já tem mais de cinquenta centros de coleta e processamento de dados de robótica. Só em Pequim, um desses centros produz cerca de seis mil registros de exemplos de treinamento por dia. Uma extrapolação grosseira indica que a produção anual pode chegar a dezenas de bilhões de exemplos.

Parece impressionante, mas na prática é uma gota no oceano do que se precisa. Especialistas da empresa PowerTech fizeram um cálculo conservador: para um robô aprender um movimento, são necessários cerca de mil a cinco mil exemplos. Uma tarefa simples, composta por alguns movimentos, exige de dez mil a vinte mil.

Mas um robô universal capaz de dar conta de oitenta por cento dos trabalhos humanos em um setor exigiria um conjunto de dados de cem milhões. E, se a ambição alcançar milhares de setores, falamos de trilhões de exemplos. O déficit é de quatro a cinco ordens de magnitude.

Mas esse ainda não é o problema mais sério. A incompatibilidade de equipamentos se mostrou bem mais traiçoeira. Cada fabricante cria robôs com configurações de sensores, protocolos de controle e parâmetros físicos diferentes. Os dados coletados em um modelo de manipulador muitas vezes simplesmente não funcionam em outro: a linguagem de uma máquina continua totalmente estranha à outra. Isso significa que o conhecimento não se soma nem se acumula em um ativo comum da indústria. Cada fabricante precisa montar seu próprio conjunto de dados do zero, repetindo várias vezes o mesmo trabalho caro.

Alguns centros lidam com esse dilema concentrando-se em modelos populares, na prática ignorando a diversidade. Outros seguem um caminho mais ambicioso: coletam dados de robôs de diferentes fabricantes em um espaço único, tentando ensinar o modelo a generalizar o conhecimento para equipamentos heterogêneos. Nenhuma das abordagens provou ainda ser universal.

Tudo isso lembra os primeiros dias do piloto automático, uma época em que parecia que o problema estava nos algoritmos, e não nos dados. Passaram-se quase vinte anos e bilhões em investimentos, e a verdade estava por perto, mas não exatamente onde era procurada. Antes que os robôs de fato entrem em nossas casas, ainda há um trabalho longo e tedioso pela frente nos centros de dados, onde pessoas de luvas ensinarão com paciência as máquinas a entender o mundo físico. Vídeos virais são marketing. O progresso real é uma história totalmente diferente.