Construindo uma base de dados mais ampla para robôs

A Rhoda AI diz que robôs precisam de dados de treinamento muito maiores e variados para operar fora de demonstrações controladas. A empresa usa vídeos em escala da internet para treinar modelos que compreendem movimento, física e interação física, aplicando esse conhecimento à robótica.

A Rhoda saiu de 18 meses em modo sigiloso no início de 2026 com US$ 450 milhões em financiamento da Série A. A empresa afirma trabalhar com clientes de automóveis, manufatura, logística e comércio eletrônico para implementar seu modelo de ação direta a partir de vídeo, ou DVA.

Por que o vídeo é central

A teleoperação produz demonstrações úteis, mas não oferece sozinha o volume e a variedade necessários para a manipulação autônoma. A aposta da Rhoda é que o vídeo contém exemplos de movimento, interação com objetos e cenas em mudança em grande escala.

Como funciona a ação direta a partir de vídeo

O modelo DVA recebe históricos de quadros de vídeo, tokens de ação e tokens de linguagem, prevê uma cena próxima e transforma essa previsão em ações robóticas. Segundo a empresa, ele antecipa os próximos centenas de milissegundos e depois produz comandos executáveis.

Unindo mobilidade e manipulação

A Rhoda diz que o mobile DVA combina mobilidade e manipulação em uma única política, algo relevante para robôs que precisam circular por uma instalação e interagir com objetos.

A questão mais ampla da robótica

A abordagem reflete a mudança da robótica rumo ao treinamento com modelos de base. O vídeo pode fornecer uma base ampla sobre movimento e interação, mas o teste prático será o desempenho dos robôs quando ambientes, objetos e condições mudarem.

Este artigo baseia-se em uma reportagem do The Robot Report. Leia o artigo original.

Originally published on therobotreport.com