PEQUIM — A Spirit AI prevê um avanço significativo na inteligência de robôs humanoides em meados de 2027, mas avalia que a chegada desses equipamentos às residências pode levar pelo menos oito anos. O principal obstáculo, segundo a startup chinesa, é a falta de dados para desenvolver os modelos que controlam os robôs.
O hardware dos humanoides chineses já permite que eles corram, dancem e executem saltos mortais para trás sob comando. Com isso, as empresas do setor passaram a concentrar esforços no software responsável pela inteligência e pela produtividade dos robôs em ambientes reais.
“O cérebro é, de fato, o elo mais fraco em toda a cadeia da robótica”, afirmou Gao Yang, cofundador e cientista-chefe da Spirit AI. Segundo ele, um avanço comparável ao modelo GPT-3.0, da OpenAI, que impulsionou o ChatGPT, pode ocorrer por volta de meados de 2027.
Os robôs da empresa atingiram taxa de sucesso de 90% em tarefas simples realizadas em ambientes estruturados de sala de estar. Gao disse que os próximos um a dois anos devem abrir espaço para aplicações industriais. Em seguida, robôs podem ser usados em serviços comerciais para executar tarefas mais simples, mas a operação dentro de casas é mais complexa.
Dados para treinar os robôs
A Spirit AI tem dezenas de robôs humanoides com rodas, do modelo Moz1, em linhas de produção da fabricante de baterias CATL e da varejista JD.com, que também investe na startup.
A empresa tem 300 funcionários e levantou mais de US$ 670 milhões (R$ 3,44 bilhões) desde sua fundação em 2024. A avaliação atual é de 20 bilhões de iuanes (R$ 14,9 bilhões). Gao não comentou planos para uma IPO.
A startup ainda enfrenta dificuldades em ações de motricidade fina, como abrir garrafas e lidar com tarefas inéditas. A empresa usa principalmente dados coletados no mundo real, em vez de simulações virtuais. Para isso, emprega cerca de 1.000 prestadores de serviços equipados com dispositivos vestíveis em residências e linhas de produção.
Em um centro de treinamento em Pequim, jovens com sensores repetem movimentos como abrir geladeiras, destravar cofres e cortar legumes. Em algumas instalações, um movimento pode ser repetido mais de 50 vezes para alcançar a precisão necessária.
A Spirit AI concluiu que dados mais variados, chamados de “dados sujos”, ajudaram os modelos a melhorar mais rapidamente. Gao também afirmou que simuladores funcionam bem com corpos rígidos, mas ainda enfrentam dificuldades com objetos flexíveis, como cabos elétricos deformáveis.
