Por trás do hype dos humanoides: por que robôs de uso geral continuam longe do cotidiano

As promessas bilionárias

Robôs humanoides elegantes dançando em palcos, separando roupas e servindo bebidas capturaram os holofotes da tecnologia global. Figuras de destaque no Vale do Silício fizeram previsões grandiosas sobre seu futuro imediato. O CEO da Tesla, Elon Musk, descreveu o robô humanoide Optimus como potencialmente "o maior produto de todos os tempos", argumentando que ele poderia eventualmente alcançar destreza sobre-humana e automatizar quase todo o trabalho humano por cerca de US$ 20.000, com vendas ao público previstas para o final de 2027.

O investidor de risco Marc Andreessen sugeriu que a robótica pode se consolidar como a "maior indústria da história do planeta", enquanto o CEO da Nvidia, Jensen Huang, afirmou que robôs humanoides igualariam a capacidade humana já neste ano. Wall Street juntou-se ao entusiasmo: o Morgan Stanley estima que o total global de robôs semelhantes a humanos pode se aproximar de 1 bilhão até 2050, gerando um mercado de mais de US$ 5 trilhões.

No entanto, dentro dos laboratórios de pesquisa em robótica, os especialistas traçam um cenário muito mais realista. Embora o hardware físico tenha avançado rapidamente, construir uma inteligência artificial capaz de dominar a variabilidade caótica do mundo real continua sendo um desafio não resolvido.

Das regras codificadas manualmente aos modelos de visão-linguagem-ação

Por décadas, a robótica dependeu de políticas de software codificadas manualmente, nas quais engenheiros escreviam milhares de linhas de código explícito para controlar cada milímetro do movimento de uma máquina. Nos últimos anos, pesquisadores começaram a substituir a programação manual por modelos modernos de IA.

A transição inicial envolveu modelos de visão e linguagem (VLMs), treinados tanto em texto quanto em imagens para reconhecer o contexto visual — como identificar um pano perto de uma bebida derramada. O estado da arte desde então evoluiu para modelos de visão-linguagem-ação (VLA). Essas arquiteturas incorporam comandos de movimento derivados de demonstrações humanas, normalmente gravadas via teleoperação, em que operadores humanos controlam remotamente o robô durante as tarefas.

No Google DeepMind, pesquisadores testam seu principal modelo VLA, o Gemini Robotics, usando o ALOHA 2 (A Low-cost Open-source Hardware System for Bimanual Teleoperation). Diferentemente dos formatos humanoides, o ALOHA 2 consiste simplesmente em dois braços mecânicos, garras e câmeras sobre uma bancada. Equipado com o Gemini Robotics, o conjunto consegue montar uma lancheira — colocando fatias de pão em um saco Ziploc, uvas em um pote Tupperware e fechando um zíper —, além de realizar tarefas como dobrar origamis e pegar ervilhas-tortas com pinças.

No entanto, os VLAs enfrentam limitações severas. Se colocados em um cenário desconhecido, eles frequentemente falham. Como observou Edward Johns, professor de robótica no Imperial College London, um verdadeiro sistema generalista precisa operar em todo o espectro de tarefas, ao passo que os modelos atuais têm sucesso apenas em exemplos isolados.

A escassez de dados e a ascensão dos modelos de mundo

Ao contrário dos grandes modelos de linguagem, que ingeriram oceanos de texto público da internet, a IA corporificada sofre com uma grave escassez de dados de demonstração física de alta qualidade. Coletar dados de teleoperação é lento e caro, o treinamento apenas com vídeos carece de precisão de ação física, e implantar robôs autônomos em ambientes não controlados continua perigoso.

O cofundador da Agility Robotics, Jonathan Hurst, argumenta que depender puramente de dados de treinamento para alcançar autonomia geral é uma premissa fundamentalmente falha, já que o mundo físico contém permutações quase infinitas de ferramentas, formas e ambientes. O pioneiro da IA Yann LeCun observou de forma semelhante na conferência de Davos que abordagens de IA concebidas para linguagem não se traduzem bem para dados físicos contínuos, ruidosos e de alta dimensionalidade.

Esse obstáculo acelerou a pesquisa sobre "modelos de mundo" (world models) — sistemas de IA treinados com dados de vídeo, sensores e varreduras 3D, projetados para prever como objetos físicos se movem, deformam, colidem e interagem. Esses modelos têm como objetivo simular a física com precisão, permitindo que os robôs antecipem as consequências de suas ações antes de executá-las.

Um volume substancial de capital foi injetado no setor:

• A World Labs, cofundada pela pesquisadora de Stanford Fei-Fei Li, captou US$ 1 bilhão antes de ser adquirida pela AMD por US$ 8,2 bilhões em setembro.

• A AMI Labs, cofundada por Yann LeCun, captou US$ 1 bilhão em março.

• A Physical Intelligence (PI), startup de San Francisco que desenvolve cérebros robóticos generalistas, atualizou seus modelos de base de π0 em 2024 para π0.7 em abril de 2026. A versão mais recente incorporou um modelo de mundo leve que fornece capturas visuais das próximas etapas da tarefa. Durante os testes, o π0.7 apresentou os primeiros sinais de generalização composicional ao tentar colocar uma batata-doce em uma air fryer — tarefa para a qual não havia sido diretamente treinado —, auxiliado por traços de dados de teleoperação envolvendo um cesto de air fryer.

Demonstrações vs. realidade: a confiabilidade no mundo físico

Apesar desses avanços científicos, um abismo imenso persiste entre demonstrações controladas e a implantação autônoma em campo. Muitas demonstrações virais dependem de sequências pré-programadas ocultas ou de teleoperação em tempo real. Por exemplo, um robô que acompanhou Jensen Huang, da Nvidia, no palco em março de 2025 estava sendo operado remotamente por um controlador humano nos bastidores.

Em aplicações comerciais e de consumo, um alto nível de confiabilidade é mandatório. Marc Raibert, fundador da Boston Dynamics, destacou que passar de uma taxa de sucesso de 50% para 70% em ambiente de laboratório ainda significa que a máquina falha com frequência excessiva para ser viável na prática.

Atualmente, os humanoides em operação estão restritos a tarefas estreitas e repetitivas em ambientes controlados. A Agility Robotics mantém centenas de seus robôs em fase de testes em instalações operadas por Amazon, GXO Logistics e Schaeffler, mas suas atividades continuam focadas na movimentação de caixas e contêineres plásticos. Embora a startup 1X tenha aberto pré-encomendas de US$ 20.000 para seu robô doméstico Neo, as primeiras versões dependem de operadores humanos remotos para lidar com tarefas domésticas.

Hurst estima que robôs totalmente autônomos capazes de realizar trabalhos domésticos úteis de forma independente ainda estão a cerca de 10 anos de distância.

A escala industrial migra para a China

Enquanto os laboratórios ocidentais se concentram fortemente em arquiteturas de software generalistas, o volume de fabricação se concentrou na China. De acordo com dados da Omdia e da empresa de robótica Unitree, os fabricantes chineses produziram quase 90% dos cerca de 15.000 robôs humanoides entregues em todo o mundo em 2025.

A Unitree entregou mais humanoides do que qualquer outro fabricante naquele ano, oferecendo modelos com preços inferiores a US$ 6.000. Por enquanto, contudo, os pedidos de compra continuam fortemente concentrados em laboratórios de pesquisa corporativos, universidades e empresas estatais, e não em consumidores finais comuns.

Desde os esboços do cavaleiro mecânico de Leonardo da Vinci em 1495 e o Elektro da Westinghouse em 1939 até o ASIMO da Honda — descontinuado em 2018 após não conseguir ir além das demonstrações —, a robótica humanoide há muito tempo enfrenta a complexidade do mundo real. Embora os modelos modernos de IA ofereçam percepção e movimentação mais avançadas do que nunca, transformar máquinas em assistentes generalistas verdadeiramente confiáveis continua sendo uma maratona, e não uma conquista da noite para o dia.