Início Modelos e Tecnologia ToyBlocks abre ambiente para treinar robôs com IA
Modelos e TecnologiaÚltimas notícias

ToyBlocks abre ambiente para treinar robôs com IA

A Ai2 apresentou o ToyBlocks robôs com IA, um ambiente aberto de simulação criado para treinar, testar e comparar sistemas de manipulação robótica em condições controladas. O projeto importa porque reúne geração de dados, modelos, métricas e transferência para um braço físico em uma mesma estrutura, permitindo investigar por que um robô acerta ou falha.

O primeiro cenário usa um braço robótico e blocos sobre uma mesa. Embora pareça simples, as tarefas exigem empurrar, virar, empilhar, localizar letras escondidas e organizar objetos. A proposta faz parte do conceito FoundationWorlds, ambientes restritos nos quais pesquisadores podem alterar dados de treinamento, repetir experimentos e medir o efeito de cada mudança.

Braço robótico do ToyBlocks manipula blocos de madeira
Imagem: Divulgação (Ai2)

Como o ToyBlocks treina robôs com IA

O ToyBlocks gera automaticamente demonstrações de tarefas em simulação, sem depender de uma pessoa controlando o robô para gravar cada movimento. Aprendizado por reforço e planejamento de movimento produzem habilidades curtas, como girar ou virar um bloco. Depois, um planejador combina essas habilidades em sequências maiores.

Segundo a apresentação oficial da Ai2, centenas de planos podem ser executados em paralelo em uma única GPU, chegando a até 24 vezes a velocidade do tempo real. O pacote inicial oferece 85.336 demonstrações de tarefas longas, quase 1.600 horas de execução robótica e 144 milhões de quadros.

Arquitetura do ToyBlocks para treinar e avaliar robôs com IA
Imagem: Divulgação (Ai2)

Resultados mostram onde os modelos ainda falham

O ambiente permite separar o planejamento de alto nível do controle físico. Nos testes, o modelo Molmo 2 escolheu ações e objetos, enquanto o ManiFlow controlou o braço. Essa divisão ajuda a identificar se uma falha veio da decisão, da percepção visual ou da execução do movimento.

Em tarefas com letras, um agente precisava procurar blocos, descobrir faces ocultas e montar palavras. Ele resolveu corretamente ou reconheceu que a tarefa era impossível em 63% dos casos. Os erros mais frequentes envolveram confusão entre letras parecidas e orientação incorreta dos caracteres. Em outro experimento, descrições de habilidades aprendidas pelo próprio agente elevaram o sucesso de 24% para 63%, acima dos 36% obtidos com descrições escritas por um especialista humano.

A transferência da simulação para o mundo físico também foi testada. Habilidades individuais do ManiFlow tiveram 80% de sucesso no simulador e 81,1% no robô real. Já o sistema hierárquico com Molmo 2 e ManiFlow alcançou 55,5% em simulação e 50% no equipamento físico. A Ai2 ressalta que são necessários mais testes para aumentar a confiança estatística.

O que muda para pesquisadores e empresas

O valor prático do ToyBlocks está menos nos blocos e mais na possibilidade de comparar métodos com variáveis controladas. Uma equipe pode mudar a proporção de exemplos de rotação, retirar determinadas posições do treinamento e verificar se o modelo realmente generaliza para regiões ou combinações novas.

  • Laboratórios: ganham uma base reproduzível para testar modelos de visão, linguagem e ação.
  • Desenvolvedores: podem usar o código aberto do ToyBlocks, os geradores de tarefas e as rotinas de avaliação.
  • Empresas de robótica: recebem uma referência para estudar a diferença entre desempenho simulado e físico antes de ampliar testes caros.
  • Equipes de IA: podem avaliar agentes que usam ferramentas por linguagem natural, inclusive por interfaces compatíveis com MCP.

O projeto complementa iniciativas de simulação mais amplas, como o NVIDIA Cosmos 3, mas adota um domínio pequeno para tornar as causas das falhas mais observáveis. Isso é útil para separar demonstrações impressionantes de evidências repetíveis sobre aprendizado e generalização.

Pacote aberto e próximos passos

A Ai2 publicou ativos de simulação, geradores de tarefas e demonstrações, código de treinamento, conjuntos de validação e dois modelos. O conjunto de dados do ToyBlocks pode ser usado para criar novas combinações de treinamento e estudar falhas não cobertas nos experimentos iniciais.

Uma segunda versão de dados está prevista para as próximas semanas, com mais habilidades e avaliações. Entre as direções estudadas estão manipulação com dois braços, mãos robóticas com sensores de força e tarefas em pilhas desorganizadas. O avanço dependerá de resultados reproduzidos por outras equipes, não apenas do desempenho divulgado no lançamento.

Fontes

Written by
Filipe Lino

Filipe Lino é fundador da ClickGrowth e atua com marketing, CRM e automação de negócios. No Turbo Automate IA, acompanha ferramentas, modelos e projetos de inteligência artificial, explicando suas aplicações e impactos para profissionais e empresas.

Leave a comment

Leave a Reply

Your email address will not be published. Required fields are marked *

Related Articles

Apresentação sobre inteligência artificial ajuda a explicar como Claude IA funciona
Ferramentas e AutomaçãoÚltimas notícias

Claude IA: como funciona do chat ao Claude Code

Claude IA como funciona no chat e no Claude Code? Entenda usos,...

Palácio das Nações em Genebra durante conferência sobre armas autônomas
IA Militar e DefesaÚltimas notícias

Armas autônomas na ONU: conferência termina sem acordo

A conferência da ONU terminou sem consenso sobre armas autônomas. Entenda o...

Signal bloqueia capturas para proteger conversas de agentes de IA
Mercado de IAÚltimas notícias

Signal bloqueia capturas contra agentes de IA no celular

Signal bloqueia capturas para limitar o acesso de agentes de IA às...

OpenMotion 0.2.1 como estúdio aberto para agentes de IA
Código AbertoÚltimas notícias

OpenMotion 0.2.1 amplia estúdio aberto para agentes

OpenMotion 0.2.1 reúne vídeo, áudio, design e jogos em um estúdio aberto...