Novos modelos de IA ensinam robôs a aprender tarefas só observando humanos
O Hugging Face lançou o π0 e o π0-FAST, modelos de inteligência artificial que permitem treinar robôs para executar tarefas do mundo real com bem menos exemplos do que as técnicas tradicionais, usando dados coletados de vídeos e demonstrações humanas.
O Hugging Face lançou o π0 e o π0-FAST, modelos de inteligência artificial que usam arquitetura VLA (visão-linguagem-ação, combinando interpretação de imagens e texto com controle de movimentos) para treinar robôs a executar tarefas variadas — como pegar objetos ou dobrar roupas — aprendendo de vídeos e demonstrações, com menos exemplos que métodos tradicionais. Ambos têm pesos abertos.
O Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados) lançou dois novos modelos de inteligência artificial focados em robótica: o π0 e o π0-FAST. Segundo a empresa, esses modelos são capazes de controlar robôs para executar tarefas variadas no mundo real — como pegar objetos, dobrar roupas ou navegar ambientes — aprendendo diretamente de vídeos e demonstrações humanas, sem precisar de milhares de exemplos para cada tarefa nova.
A diferença em relação a abordagens anteriores está na arquitetura VLA (Vision-Language-Action, ou visão-linguagem-ação em português), que combina a capacidade de entender imagens e texto — comum em modelos de linguagem grandes (LLMs, os sistemas de IA generativa como ChatGPT) — com o controle direto dos movimentos do robô. Na prática, isso significa que o mesmo modelo que interpreta uma instrução como "pegue a caneca vermelha" consegue também planejar e executar os movimentos necessários para fazê-lo, usando apenas a câmera do robô como entrada.
O π0 é a versão base, treinada em conjuntos de dados públicos que incluem milhões de exemplos de robôs executando tarefas diversas. Já o π0-FAST (uma variante otimizada para rodar mais rápido) foi projetado para funcionar em tempo real, permitindo que robôs respondam rapidamente a mudanças no ambiente — essencial para tarefas que exigem reflexos, como interceptar um objeto em movimento. Ambos foram liberados com pesos abertos (ou seja, qualquer pessoa pode baixar, estudar e adaptar os modelos sem precisar pagar por acesso), o que facilita pesquisas e aplicações em startups, universidades e projetos de código aberto.
A empresa testou os modelos em robôs comerciais como o Unitree G1 (um robô humanoide de cerca de 16 mil dólares) e mostrou que, mesmo sem treinamento específico para cada dispositivo, o π0 consegue generalizar — isto é, aplicar o que aprendeu em simulações e outros robôs para controlar braços, garras e bases móveis diferentes. Segundo o Hugging Face, essa capacidade de transferência reduz drasticamente o tempo e o custo de ensinar robôs a fazer tarefas novas, aproximando a robótica do modelo de desenvolvimento que já funciona bem em IA generativa: treinar uma vez em larga escala, depois adaptar para casos específicos com poucos exemplos adicionais.
