Por que a IA incorporada em robôs ainda trava

A promessa da transferência e o problema dos dados

A ideia confortável é que robótica seria mero problema de integração: pegar um modelo que já entende o mundo e conectá-lo a um braço e uma câmera. Jan Bosch, que trabalha com empresas que constroem sistemas físicos, não acredita nessa história. Ele reconhece o avanço dos modelos visão-linguagem-ação (VLA) - como o Gemini Robotics On-Device 2, do Google DeepMind, lançado em julho, que roda no próprio robô, sem depender de rede, algo que na robótica é requisito físico de segurança, não otimização de custo.

O gargalo está nos dados de treinamento. Modelos de linguagem se beneficiam do texto acumulado da humanidade, produzido por outros motivos; não existe corpus equivalente para manipulação física. Cada exemplo exige um robô real e um operador humano em teleoperação, um episódio por vez, na velocidade da realidade física. Para Bosch, isso não é escassez temporária que escala resolverá, mas diferença estrutural em como os dois tipos de modelos adquirem competência.

Evidências de fragilidade

Uma análise de 1.228 artigos sobre VLA publicados entre fevereiro de 2023 e junho de 2026 mostra o desconforto do campo: no benchmark Libero, taxas de sucesso em torno de 95% caem para menos de 30% sob pequenas perturbações de cena; em outro benchmark, o desempenho foi de mais de 90% para exatamente zero. Os modelos memorizam trajetórias em vez de generalizar - o próprio model card do Gemini Robotics On-Device 2 admite "habilidade limitada" para tarefas fora da distribuição.

Isso não é pessimismo sobre robôs: a Federação Internacional de Robótica contou 542.000 robôs industriais instalados em 2024, com estoque operacional de 4,66 milhões, alta de 9% em um ano. Essas máquinas soldam e paletizam com confiabilidade altíssima - justamente porque não generalizam nada. A questão é se robôs de propósito geral funcionam.

O abismo entre capital e horas operacionais

O dado mais instrutivo citado é a implantação dos robôs Figure 02 na BMW: cerca de 1.250 horas operacionais em onze meses - menos de quatro horas por dia, o que para Bosch é um experimento caro, não uma implantação. Enquanto isso, o capital de risco investiu 40,7 bilhões de dólares em robótica em 2025, e o Bank of America projeta cerca de 90.000 humanoides enviados em 2026. O contraste entre capital e horas operacionais resume a situação.

Implicações para startups e incumbentes

Para startups, se o modelo é baixável e o hardware comprável, a diferenciação está no aparato que gera dados numa fatia específica da realidade física - quanto mais estreita a fatia, melhores as chances. Prometer um robô que faz tudo é assumir um problema de coleta de dados impossível de financiar. A pergunta certa em estágio semente é quantas horas de interação real são necessárias até a taxa de falha ser aceitável - e quem paga por elas. O paralelo são carros autônomos: a solução da Waymo foi treinar cuidadosamente em uma cidade ou parte dela.

Há uma armadilha: uma demo é amostra da distribuição de treino e não diz nada sobre desempenho um passo fora dela. Investidores deveriam exigir resultados sob perturbações, não o melhor momento.

Para incumbentes, os 4,66 milhões de máquinas instaladas representam o maior corpus de dados de interação física existente, quase nada capturado de forma treinável. Quem instrumentar essa base instalada terá ativo que capital de risco não replica. O risco inverso é a desintermediação: fabricante que compra inteligência de terceiros vira fornecedor de atuador commodity - o valor migra de átomos para bits.

Geograficamente, a Ásia ficou com 74% das novas instalações em 2024; a China, sozinha, com 295.000 unidades, e fabricantes chineses detêm 57% do mercado doméstico, contra 28% uma década atrás. Se dados são a restrição, o maior volume de novos dados não virá da Europa.

Tolerância a erro e engenharia do contrato

A questão mais urgente para a sociedade não é emprego, mas tolerância: aceitamos modelos de linguagem errando às vezes, mas uma máquina com massa precisa de confiabilidade muito acima de 99,9% - uma disciplina diferente, não engenharia incremental. Mesmo sem humanos por perto, o custo de robôs danificando a si mesmos ou produtos destrói o caso de negócio.

Quando a realização é uma política aprendida, o que se versiona é o contrato que a máquina deve honrar mais a evidência contínua de que o cumpre - e não existe boa prática de engenharia para isso ainda. A leitura otimista de Bosch é que manipulação é um problema de dados que a indústria sabe atacar; a pessimista, que a cauda da realidade física é mais longa que qualquer capital. Ele se aproxima da primeira, com cronograma esticado: implantações estreitas e instrumentadas vão se acumular por anos antes de algo "geral" aparecer no chão de fábrica. Ele fecha citando Hans Moravec (1988): é fácil fazer computadores exibirem desempenho adulto em testes de inteligência e difícil dar-lhes as habilidades de uma criança de um ano em percepção e mobilidade.