Reimagine Robotics surge com uma proposta de automação treinada por trabalhadores

Uma startup de robótica em modo furtivo aposta em automação mais simples

A Reimagine Robotics saiu do modo furtivo com um argumento claro sobre o que a robótica industrial ainda faz errado: grande parte do peso da automação recai sobre especialistas, em vez de trabalhadores da linha de frente. A startup, sediada em Londres e Sydney, afirma que seus sistemas são projetados para que as pessoas que fazem o trabalho de fato possam mostrar a um robô uma tarefa, observá-lo tentar executá-la, corrigi-lo quando necessário e então partir para o próximo gargalo.

Essa proposta coloca a empresa em um campo de robótica concorrido, moldado por duas restrições persistentes. Primeiro, muitas fábricas ainda lutam para automatizar tarefas que mudam com frequência ou que exigem adaptação fora de fluxos de trabalho rigidamente roteirizados. Segundo, mesmo quando o hardware robótico está disponível, a implantação pode travar porque cada mudança de processo exige mais suporte de engenharia do que os operadores conseguem fornecer por conta própria. A afirmação da Reimagine é que ambos os problemas podem ser suavizados se os robôs forem treinados mais como novos colegas de trabalho do que como máquinas de função fixa.

Quem está por trás da empresa

A startup foi cofundada em abril de 2025 por Jonathan Scholz, Oleg Sushkov, Akhil Raju e Misha Denil. Scholz anteriormente fundou a equipe de Applied Robotics do Google DeepMind em Londres e a liderou por sete anos, o que deu à empresa credibilidade imediata em um mercado que cada vez mais associa o avanço da robótica aos progressos em aprendizado de máquina.

Esse histórico importa porque a Reimagine não se apresenta como uma fornecedora convencional de automação industrial. Seu enquadramento é explicitamente voltado para aprendizado no trabalho habilitado por IA. Scholz descreveu a abordagem da empresa como permitir que um trabalhador demonstre uma tarefa, corrija erros e molde iterativamente o comportamento do robô no próprio local. A empresa chama informalmente esse processo de “monkey-see, monkey-do”.

O conceito é familiar em termos amplos na pesquisa em robótica: reduzir a quantidade de programação codificada e depender mais de demonstração, correção e adaptação. O que diferencia a mensagem da Reimagine é a insistência de que isso deve acontecer em ambientes operacionais com funcionários comuns, e não apenas com engenheiros de robótica.

De programar robôs a ensiná-los

Robôs industriais são poderosos quando as tarefas são estáveis, os ambientes são controlados e as equipes de engenharia podem passar tempo refinando fluxos de trabalho. Mas essas condições não abrangem todos os problemas de manufatura. Muitas instalações ainda lidam com produtos mistos, lotes curtos, transferências complicadas e etapas físicas repetitivas que são variáveis demais para uma automação simples, mas monótonas ou intensivas em mão de obra demais para deixar intocadas para sempre.

A Reimagine Robotics diz que sua resposta é manter os humanos no centro. Em vez de remover as pessoas do processo, a empresa afirma que os trabalhadores identificam o gargalo, ensinam a tarefa ao robô e o corrigem até que o sistema se torne útil. Essa é uma distinção importante porque desloca o papel do trabalho de operador de último recurso para treinador e dono do processo.

Se esse modelo funcionar na prática, ele poderá mudar a economia da implantação. Cada hora não gasta esperando por um programador especializado reduz o atrito para o cliente. Mais importante, torna a automação acessível a fábricas que talvez não tenham profunda expertise interna em robótica. A barreira deixa de ser se um local consegue sustentar uma grande equipe de engenharia robótica e passa a ser se uma tarefa pode ser demonstrada e corrigida de forma eficaz.

As primeiras implantações focam trabalho prático de fábrica

Para uma empresa que só agora está saindo do modo furtivo, a Reimagine chama atenção por já apontar para implantações reais. Segundo o The Robot Report, um dos primeiros casos de uso envolveu manufatura avançada e desmontagem de eletrônicos. Em uma empresa de plásticos sob encomenda, a companhia treinou robôs para cuidar de impressoras 3D durante a noite, removendo plataformas de impressão, operando travas e pressionando controles.

Esse exemplo é revelador porque não é uma demonstração glamourosa de robótica. É exatamente o tipo de fluxo de trabalho repetitivo fora do expediente que as fábricas gostariam de automatizar, mas muitas vezes têm dificuldade de justificar se os custos de integração forem altos. O relatório também disse que a própria equipe do cliente usou a plataforma para automatizar etapas adicionais, como lavagem, cura e secagem. Se estiver correto, isso sugere que o valor real pode estar menos em uma única tarefa e mais na capacidade de expandir a automação de forma incremental depois da implantação inicial.

A empresa também citou outra implantação na qual seus robôs foram usados para recuperar materiais críticos valiosos de discos rígidos usados. Isso aponta para uma segunda vertente comercial além da produtividade tradicional de fábrica: automação adaptável para desmontagem, reciclagem e recuperação de materiais. Esses ambientes tendem a ser mais desorganizados e menos padronizados do que linhas de produção clássicas, o que os torna um bom teste para alegações sobre robótica baseada em aprendizado.

Por que o momento importa

A Reimagine entra no mercado em um momento em que a IA industrial é julgada menos por demonstrações espetaculares e mais por sua capacidade de sobreviver ao contato com o chão de fábrica. Empresas de robótica passaram a prometer com mais frequência sistemas adaptáveis, interfaces em linguagem natural ou treinamento baseado em demonstração. Enquanto isso, os compradores buscam evidências de que essas alegações reduzem o tempo de implantação e geram produção mensurável.

É por isso que a saída da Reimagine do modo furtivo é significativa, mesmo com detalhes limitados. A startup não está vendendo apenas um robô; está vendendo um fluxo de trabalho de como a automação deve se espalhar dentro de uma unidade. Nesse fluxo, a expertise continua com os trabalhadores, enquanto o robô se torna mais fácil de reaproveitar à medida que as necessidades mudam.

A primeira fase da empresa foi financiada com apoio pre-seed da Fly Ventures, da firstminute capital e de investidores anjo. Por enquanto, a questão maior é execução. Ensinar por demonstração parece atraente, mas o teste operacional será saber se as equipes dos clientes conseguem realmente ampliar as funções dos robôs sem esbarrar em gargalos de confiabilidade, segurança ou manutenção.

O verdadeiro teste é a repetibilidade

A Reimagine Robotics escolheu uma mensagem convincente: robôs devem poder ser treinados pelas pessoas que melhor entendem o trabalho. Essa mensagem se alinha a um movimento mais amplo para tornar a automação industrial menos frágil e menos dependente de especialistas escassos. Também combina com a realidade comercial de que muitas fábricas querem ganhos estreitos e imediatos, não reinvenções lunares da produção.

Ainda assim, sair do modo furtivo é a parte fácil. A tarefa mais difícil é provar que “aprender no trabalho” pode passar de um slogan convincente para um modelo operacional industrial repetível. Se a empresa conseguir mostrar que a equipe do cliente pode ensinar novos trabalhos aos robôs de forma confiável em diferentes locais e fluxos de trabalho, terá identificado uma abertura relevante na automação industrial. Se não, corre o risco de se tornar apenas mais uma startup de robótica cuja promessa de software avança mais rápido do que a realidade do chão de fábrica.

Pontos principais

• A Reimagine Robotics diz que trabalhadores podem treinar seus robôs diretamente, sem programadores especializados.
• A empresa foi fundada por ex-líderes de Applied Robotics do Google DeepMind.
• As primeiras implantações incluem cuidado noturno de impressoras 3D e desmontagem de eletrônicos.
• A startup mira automação adaptável na manufatura e na recuperação de materiais.
• Sua principal questão comercial é se o treinamento de robôs pode escalar de forma confiável entre unidades.

Este artigo é baseado em reportagem do The Robot Report. Leia o artigo original.