Os construtores de cérebros robóticos estão saindo da era do GPT-2

A IA Física emergiu como um dos setores mais dinâmicos do capital de risco, com empresas garantindo bilhões em financiamento para aplicar as ferramentas fundamentais por trás dos Grandes Modelos de Linguagem ao campo da robótica.

Esse entusiasmo impulsionou uma grande oferta pública inicial (IPO) da Unitree, principal fabricante de robôs da China, que inicialmente atingiu uma avaliação de 66 bilhões de dólares ao ser listada no equivalente ao NASDAQ chinês. No entanto, o sentimento do mercado mudou drasticamente nesta semana, apagando quase metade desse valor. Analistas atribuem essa queda a uma lacuna crítica: embora as capacidades físicas dos robôs estejam avançando, eles ainda carecem do conhecimento prático necessário para realizar tarefas que geram valor.

Na conferência Actuate da semana passada, um encontro para desenvolvedores que criam sistemas de IA para robôs, o otimismo da indústria era palpável. De acordo com a Foxglove, uma organizadora que auxilia construtores de modelos de IA física no gerenciamento e visualização de dados, o evento triplicou de tamanho desde sua criação em 2023, atraindo 1.500 participantes.

Os riscos subjacentes também eram evidentes. Um estande da Avala, outro participante na infraestrutura de IA física, exibia um cartaz prometendo resolver “a crise de dados da robótica”.

Essa crise decorre da escassez de dados de treinamento de alta qualidade para modelos de IA. O objetivo de construir robôs generalizados capazes de realizar qualquer tarefa ainda está distante, e o aprendizado de ponta a ponta para tarefas específicas ainda não produziu produtos com desempenho comercial confiável. Para os desenvolvedores, a solução reside em emular o progresso dos principais laboratórios de IA: adquirir ou gerar conjuntos de dados mais diversos, experimentar métodos de treinamento variados e refinar cenários de aprendizado por reforço.

Harry Mellsop, fundador da Antioch, uma startup que desenvolve ferramentas de simulação para construtores de modelos, descreve a IA física como estando em sua “era GPT-2”, referindo-se ao modelo da OpenAI que precedeu o ChatGPT. Superar as limitações atuais exigirá mais dados e poder de computação, particularmente GPUs otimizadas para ray tracing para criar simulações de alta fidelidade.

Os veículos autônomos estão atualmente mais avançados, em parte devido à capacidade de coletar dados relevantes de carros conduzidos por humanos e, em parte, porque seu objetivo principal é a evitação de colisões, em vez da manipulação do ambiente físico. Grande parte das ferramentas para o desenvolvimento de modelos origina-se de empresas de veículos autônomos; por exemplo, a Foxglove foi fundada por ex-funcionários da Cruise, iniciativa anterior de direção autônoma da General Motors.

Consequentemente, essas empresas automotivas estão apostando cada vez mais que seus investimentos em ferramentas de aprendizado de máquina permitirão competir com fabricantes dedicados de robôs humanoides. A Tesla já está perseguindo essa estratégia com seu robô Optimus, e agora tanto a Wayve, uma empresa focada em veículos autônomos, quanto o gigante de transporte por aplicativo Uber estabeleceram laboratórios de robótica dedicados a formas fatoriais humanoides como parte de seus esforços de pesquisa e desenvolvimento.

“Acredito que você precisa começar com veículos… a robótica de manipulação estava onde a direção autônoma estava há cinco anos”, disse Alex Kendall, CEO da Wayve, à TechCrunch. “A infraestrutura de dados, a simulação e a infraestrutura de operações de ML provavelmente serão compartilhadas, mas o modelo de mundo específico para o simulador exigirá pós-treinamento diferente. Haverá uma grande semelhança, mas também haverá diferenças para várias encarnações.”

Kendall argumenta que é prematuro comprometer-se com qualquer plataforma de hardware única, pois os avanços em sensores e outros componentes estão ocorrendo rapidamente, e um modelo verdadeiramente generalizado deve permanecer independente de hardware.

Théophile Gervet, CEO da Genesis AI, uma empresa de robótica humanoides verticalmente integrada que garantiu uma rodada semente de 105 milhões de dólares este ano, discordou. Ele disse à TechCrunch: “Estamos muito no início desta onda para que uma estratégia de cérebro puro tenha sucesso; nossa visão é que há inúmeras oportunidades para co-projetar hardware e IA.”

Gervet também abordou outro tópico proeminente no setor: como focar especificamente um negócio de IA física. Empresas de robótica que visam tarefas específicas estão implantando seus robôs em campo: a Gritt está construindo fazendas solares, a Agility está operando robôs em ambientes industriais e a Bedrock está operando escavadeiras de forma autônoma. Enquanto isso, os humanoides de propósito geral permanecem amplamente confinados a laboratórios.

“Nenhum cliente se importa com um robô de propósito geral que opera com uma taxa de sucesso de 80%”, explicou Gervet sobre esse dilema. “Vemos muitos outros jogadores perseguir uma abordagem geral, mas eles não fornecem valor sem um foco vertical. No entanto, se você construir para um vertical estreito sobre um modelo de nível GPT-2, será superado por empresas que constroem sobre o GPT-4.”

A tentação de investir em um vertical específico é forte, pois gera não apenas receita, mas também dados de implantação do mundo real. Embora os dados específicos de tarefas possam carecer da diversidade necessária para avançar modelos de propósito geral, eles são cruciais para criar robôs que entreguem valor tangível. O CTO da Bedrock, Kevin Peterson, observou que sua empresa começou com escavação para entender os desafios da “manipulação em ambientes reais”, mas planeja desenvolver uma camada de inteligência que abranja uma série de máquinas de construção.

Gerir esse volume de dados é desafiador, particularmente devido à densidade das informações visuais e de LiDAR. Esta semana, a Foxglove anunciou um novo produto construído sobre o modelo de mundo de peso aberto Cosmos da Nvidia, permitindo que engenheiros pesquisem dados usando consultas de linguagem natural sofisticadas para construir avaliações e simulações. O objetivo é um triagem e depuração mais rápidos, permitindo que os construtores de modelos itere mais rapidamente.

Então, qual será o famoso momento ChatGPT para a IA física, que Sam Altman sugeriu recentemente estar a poucos anos de distância? Kendall observa que as maiores implantações de robôs no mundo ainda são aspiradores de pó para consumidores. Para ele, um momento ChatGPT envolveria algo que excite os consumidores, em vez dos investidores, que já estão altamente entusiasmados.

“Um exemplo seria alcançar autonomia com os olhos desviados por menos de 1.000 dólares em hardware em um carro”, afirmou Kendall. Não por coincidência, sua empresa está licenciando modelos para montadoras com o objetivo de alcançar exatamente isso. Ele vê esse negócio como uma oportunidade de vários bilhões de dólares que permitirá a criação de um modelo de IA encarnada verdadeiramente generalizado.

Para Gervet, o momento em que a IA física se torna mainstream é “a manipulação que simplesmente funciona fora da caixa. Você pode instruir um robô em linguagem natural a realizar qualquer tarefa básica de manipulação, como empurrar, puxar, fechar um laptop ou limpar uma mesa, e ele executa de forma confiável – digamos, com 80% de sucesso fora da caixa. Isso espelharia aproximadamente a experiência do ChatGPT.”

Adrian Macneil, CEO da Foxglove, aborda a questão de uma perspectiva diferente.

“Não haverá um momento ChatGPT para a robótica”, disse ele à TechCrunch. “O que tornou o ChatGPT um momento histórico foi sua distribuição – eles passaram de zero para aproximadamente um milhão de usuários ativos em cerca de uma semana. A distribuição no mundo real é muito mais difícil. Eu ficaria muito animado com um momento Apple II ou IBM PC na robótica: quando posso comprar um robô doméstico que começa a realizar tarefas úteis e agradáveis?”