Universal Robots e Scale AI lançam a plataforma UR AI Trainer para treinar robôs

A Universal Robots, junto com a Scale AI, apresentou a UR AI Trainer — um conjunto de hardware e software para coleta de dados de treinamento diretamente em cobôs industriais. O anúncio na GTC 2026 visa um dos desafios mais urgentes em AI física: modelos mostram desempenho decente em laboratório, mas frequentemente têm dificuldades quando implantados em linhas de produção reais, especialmente em montagem, embalagem e outras tarefas envolvendo contato físico.

Como a Plataforma Funciona

O UR AI Trainer é construído em um esquema líder-seguidor. Um operador guia manualmente o robô "líder" através de uma tarefa específica, por exemplo embalando um smartphone, enquanto um segundo robô espelha simultaneamente os movimentos. O sistema não apenas registra a trajetória. Ele coleta dados multimodais no mesmo ciclo em que o robô interage com objetos e superfícies. Isso é crucial para treinar modelos Vision-Language-Action, que precisam de mais do que ver uma imagem: precisam entender como o movimento se relaciona com contato, resistência e precisão na execução da tarefa. Durante a demonstração, o sistema registra simultaneamente quatro tipos de sinais:

• trajetórias de movimento e cinemática
• feedback de força e torque
• dados visuais da câmera
• sincronização de todas as modalidades em um único conjunto de dados

A ideia-chave é que os dados são coletados nos mesmos robôs Universal Robots que podem funcionar depois no chão da fábrica. Isso fecha a lacuna entre a célula experimental e a implantação industrial: se um modelo foi treinado em um UR3e ou UR7e em um ambiente controlado, é mais fácil transferi-lo para equipamento idêntico na produção sem reconstruir totalmente o pipeline. Além disso, isso reduz o risco de que o comportamento do modelo se quebre na transição de um setup de pesquisa para uma tarefa em esteira.

Por Que o Contato Importa

A maioria dos conjuntos de dados de robótica até agora depende principalmente de visão. Para tarefas como "aproximar e pegar", isso às vezes é suficiente, mas na produção muitas operações exigem que o robô sinta o momento do contato, pressão e resistência do material. Parafusamento, inserção de peças, prensagem, embalagem de objetos frágeis, montagem precisa — tudo isso se enquadra em manipulação rica em contato, e esses cenários são os mais difíceis de automatizar com confiabilidade.

A UR aposta em controle direto de torque e feedback de força. Simplificando, o modelo obtém não apenas a resposta sobre o que o robô viu, mas também o que ele "sentiu" ao executar a ação corretamente. Por isso, o treinamento fica mais próximo da física real do processo do que de uma demonstração abstrata de trajetórias no ar. Para fabricantes, isso é crítico: um erro no contato com o objeto não significa apenas uma previsão falha, mas defeitos, tempo de parada da linha ou dano às peças.

"Esta é a primeira solução na indústria que transfere o treinamento de modelos de AI diretamente do laboratório para a produção", diz

Anders Beck da Universal Robots.

Dados e Ecossistema

A parceria com a Scale AI acrescenta a este esquema não apenas anotação, mas um ciclo completo de tratamento de dados. O software da Scale está integrado na plataforma UR AI Trainer e ajuda a capturar, estruturar e armazenar demonstrações coletadas. A lógica aqui é similar a um flywheel: operadores registram exemplos, modelos treinam nestes dados, robôs melhoram a qualidade da execução das tarefas, e novos episódios de trabalho retornam ao próximo ciclo de retreinamento. Este ciclo fechado transforma AI física de um experimento único em um processo de produção repetível.

As empresas também prometeram lançar um grande conjunto de dados industrial coletado em robôs UR mais adiante em 2026. O estande GTC demonstra este conceito em dois formatos simultaneamente. Na demo física, visitantes controlam um par de robôs UR3e que transmitem movimentos para duas unidades UR7e para uma tarefa de embalagem de smartphone. Paralelo a isso, NVIDIA Omniverse e Isaac Sim executam um cenário virtual com controladores táteis Haply Inverse3, enquanto Generalist AI demonstra como dois UR7e já executam autonomamente a mesma tarefa.

Para Universal Robots, isso também é um argumento de escala: a empresa já tem mais de 100 mil cobôs em implantações em todo o mundo.

O Que Isso Significa

O mercado de robótica está se movendo de cenários rigidamente programados para modelos que podem ser retreinados em episódios de produção reais. Se Universal Robots e Scale AI realmente transformarem a coleta de dados em fábrica em uma ferramenta padrão, empresas industriais terão um caminho mais curto de piloto para implantação, e negócios não precisarão construir infraestrutura de pesquisa separada do zero — especialmente para tarefas onde contato, precisão e repetibilidade importam.