O que indica a taxa de sucesso de 91% do HALO?

  • A equipe de pesquisa da Apple informou que o sistema HALO realizou 360 testes de tarefas individuais em 6 ambientes reais que não haviam sido escaneados ou mapeados previamente, com uma taxa média de sucesso de 91%. Isso mostra que os robôs já conseguem, em certa medida, recorrer ao controle autônomo para concluir tarefas individuais em ambientes reais.
  • Os resultados das tarefas combinadas foram significativamente inferiores: em outro ambiente real, 3 tipos de tarefas combinadas foram testados 10 vezes cada, com uma taxa média de sucesso de 70%; a taxa de sucesso da tarefa “abaixar-se para passar por um obstáculo—caminhar até um alvo—empurrar uma caixa” foi de 50%. A estabilidade da execução ainda diminui na transição de ações individuais para tarefas contínuas.

Quais limitações restringem a expansão das taxas de sucesso para mais cenários?

  • A geração de dados ainda envolve a participação humana: novas tarefas físicas exigem que pessoas escrevam prompts e projetem quadros-chave de ações; algumas ações também recorrem a vídeos de pessoas ou a materiais de captura de movimento. Portanto, os resultados dos testes não significam que o robô já consiga se adaptar sozinho a qualquer tarefa nova.
  • Atualmente, o HALO depende principalmente da visão e tem dificuldade para perceber o contato diretamente. Quando um objeto sai do campo de visão da câmera ou fica encoberto, o desempenho em tarefas que envolvem muito contato diminui. A equipe da Apple apontou a percepção tátil como uma área para melhorias futuras, enquanto a escassez de dados, as dificuldades de anotação e a complexidade dos ambientes físicos também são obstáculos à generalização.

Por que as instituições estão concentrando a atenção na “integração entre cérebro grande e cérebro pequeno”?

  • O “cérebro grande” é responsável pela cognição e pela tomada de decisões, enquanto o “cérebro pequeno” cuida do controle dos movimentos; a coordenação entre ambos permite conectar percepção, decisão e execução em um ciclo fechado. O relatório resume a evolução do setor como uma transição de arquiteturas em camadas e colaborativas para uma integração mais profunda, mas também observa que a integração atual entre grandes modelos de IA e robôs humanoides ainda é superficial.
  • Dong Xiaobin, da Industrial Securities, considera que os processos de fabricação do hardware robótico já atingiram um nível relativamente alto e que as capacidades de inteligência incorporada podem se tornar um gargalo para o desenvolvimento; atualmente, os cenários de aplicação ainda são relativamente concentrados. Se os cenários especializados se expandirem, os métodos de treinamento forem otimizados e o hardware continuar avançando, o acúmulo de dados de alta qualidade poderá acelerar e impulsionar as aplicações para cenários de uso geral e doméstico.

Os avanços das empresas relacionadas estão no mesmo estágio?

  • Não. A Joyson Electronics afirma que já lançou componentes como controladores de cérebro grande e cérebro pequeno, mas os produtos relacionados a clientes norte-americanos ainda estão avançando pelas etapas de envio de amostras, atualizações iterativas e preparação para a produção em massa. A JWIPC afirma que já concretizou pedidos de clientes na área de controladores de cérebro grande e cérebro pequeno para robôs. Já os SoCs de cérebro grande e cérebro pequeno da SigmaStar voltados à inteligência incorporada começaram a passar por tape-out gradualmente.
  • Essas informações correspondem a diferentes etapas de progresso para componentes, controladores e chips. Elas refletem o avanço de produtos e projetos ao longo da cadeia industrial, mas o envio de amostras, os pedidos e o tape-out não devem ser considerados a mesma etapa de comercialização.