No meio de um galpão industrial em San Leandro, na Califórnia, uma torre de blocos de Jenga ameaça desmoronar a cada movimento. O responsável por esse delicado equilíbrio é Andrew Ceja, um dos "pilotos" da Encord — como a empresa chama seus treinadores de robôs. De fone de ouvido com câmera acoplada, Ceja observa a cena enquanto sensores instalados no aparelho captam as ondas cerebrais emitidas durante a tarefa.
A ideia parece saída de um filme de ficção científica, mas representa uma das apostas mais ousadas no campo da inteligência artificial aplicada à robótica. A Encord, que começou oferecendo ferramentas de anotação de dados para modelos de visão computacional, agora mergulha na produção direta desses dados, acreditando que a escassez de informações sobre manipulação física é o verdadeiro gargalo do setor.
O capacete utilizado por Ceja foi desenvolvido pela Zander Labs, uma startup alemã de neurociência que acredita ser possível decifrar estados mentais como erro, intenção e surpresa a partir da atividade elétrica do cérebro. Lucas Gehrke, neurocientista da Zander que acompanha os experimentos, explica que a intensidade da atividade cerebral em determinado momento de uma tarefa indica quando os modelos mais complexos precisam ser acionados.
O projeto entre as duas empresas ainda está em fase de testes. O plano é montar um banco de dados inicial etiquetado com ondas cerebrais, submeter essas informações aos modelos dos clientes e medir se há melhora real no desempenho antes de pensar em expansão.
Segundo Vineeth Velmurugan, chefe de aprendizado de robôs da Encord e ex-integrante do laboratório de robótica da OpenAI e da Berkshire Grey, a empresa está na linha de frente do esforço para resolver o problema. "Os dados simplesmente não existem", afirma, em uma frase que resume o dilema de todo o setor.
O obstáculo fica evidente quando se comparam os grandes modelos de linguagem com os sistemas de inteligência artificial física. Enquanto os chatbots foram treinados com praticamente todo o texto disponível na internet, ensinar uma máquina a manipular objetos exige conjuntos de dados completamente diferentes. Velmurugan estima que seria necessário um volume de informações cerca de cinco vezes maior do que todo o acervo de vídeos do YouTube para que os robôs aprendam a se mover no mundo real como os modelos de texto aprenderam a conversar.
Para tentar preencher esse vazio, a Encord utiliza duas fontes principais: vídeos em primeira pessoa, captados por câmeras acopladas ao corpo de trabalhadores em fábricas ao redor do mundo, e dados coletados de robôs operados remotamente. No galpão californiano, a empresa experimenta novas modalidades e reúne conjuntos de dados voltados a habilidades específicas.
Durante a visita da reportagem, pilotos manuseavam braços robóticos duplos — um controlado diretamente por um humano, o outro espelhando os movimentos em tempo real — enquanto executavam tarefas como servir café em canecas e empilhar fichas de pôquer. Prateleiras próximas guardavam o arsenal do treinamento: flores artificiais em vasos, livros, legumes de plástico, caixas de areia para gatos e feixes de fios elétricos.
Em outra estação, a piloto Sofia Infante conectava e desconectava cabos de rede de servidores, uma atividade que operadores de data centers adorariam ver automatizada, mas que ainda escapa à precisão dos robôs disponíveis. Quem assume o controle percebe rapidamente o problema: as garras metálicas dos manipuladores estão muito longe da destreza dos dedos humanos.
Além das ondas cerebrais, a Encord também aposta em sensores musculares fixados ao antebraço para captar sinais elétricos que ajudam a reconstruir em três dimensões a posição das mãos, já que as câmeras raramente mostram todos os detalhes da manipulação. Cada conjunto de dados recebe anotações detalhadas descrevendo as ações, como "mão direita aperta parafuso". Para Velmurugan, esse tipo de descrição minuciosa vale cem vezes mais do que vídeos genéricos para treinar tarefas específicas, apesar de custar vinte vezes mais para ser produzido.
A comparação com os modelos de linguagem, porém, esbarra em uma diferença econômica importante. Reunir textos da web foi praticamente gratuito; fabricar dados de treinamento físico exige investimento pesado em pessoas, equipamentos e tempo. É por isso que a geração de dados virou, por si só, um negócio.
Mesmo assim, Velmurugan enxerga avanços consistentes. A posição estratégica da Encord, que atende diversas empresas de robótica simultaneamente, permite identificar quais técnicas estão dando certo no setor antes que qualquer cliente individual perceba. Esse cenário mantém ocupados os cerca de doze pilotos do galpão, entre eles Ceja e Infante, que vieram da Scale, outra gigante da anotação de dados. Ceja, que antes trabalhava com manutenção de equipamentos em uma empresa de gestão de resíduos, afirma gostar do desafio diário: "É algo novo a cada dia" — mesmo quando a torre de Jenga desaba no meio da gravação.
Fonte: TechCrunch
