A Skild AI anunciou um novo conceito para treinamento de IA — não memorização, mas generalização. Treinar com exemplos nunca preparará a IA e seu robô para a vida real, e isso impedirá que a robótica seja eficaz ao lado dos humanos. Somente uma IA que se adapta a qualquer ambiente pode despertar inteligência.
Exemplos de robôs “bullying”. Fonte da imagem: Skild AI
Os desenvolvedores enfatizam que todos os vídeos populares sobre robôs retratam cenários ideais em que as máquinas executam tarefas perfeitamente, mas falham rapidamente em situações imprevisíveis, como panes ou mudanças ambientais. Essa discrepância decorre das limitações fundamentais da IA tradicional, que é incapaz de verdadeira adaptação. Eles posicionam o conceito de um “cérebro robótico omnicorporal” — um “cérebro” universal para todos os robôs — como uma solução capaz de superar essas barreiras e aproximar a robótica de uma IA robusta no mundo físico.
A IA robótica tradicional, particularmente em tarefas que envolvem movimento e manipulação de objetos, é treinada em modelos específicos de corpos, o que é acompanhado por sobreajuste: o sistema “lembra” estratégias para o comportamento ideal de cada corpo, mas perde eficácia ao menor desvio. Como observam os autores, isso é semelhante a alunos memorizando respostas — útil para provas, mas inútil na prática.
VÍDEO
Para robôs, em particular, isso pode ser um motor travado, um membro quebrado ou a transferência para um novo corpo. Portanto, a IA moderna não consegue generalizar o conhecimento, e o robô simplesmente entra em colapso, incapaz de se recuperar. Essa especialização limitada torna os robôs pouco confiáveis para aplicações no mundo real, onde surpresas são a norma.
A Skild AI propõe uma abordagem radical: treinar a IA para controlar uma enorme variedade de robôs, evitando overfitting e desenvolvendo capacidades de generalização. A equipe criou um universo simulado com 100.000 robôs diferentes e treinou o modelo para controlá-los.todos dentro do equivalente a um milênio de tempo simulado. A “inteligência multicorporal” resultante adapta-se instantaneamente a corpos novos ou danificados — sem treinamento adicional com exemplos específicos.
O princípio fundamental: o modelo não pode depender da memorização, pois as estratégias devem funcionar para todos os corpos simultaneamente, o que estimula o desenvolvimento de habilidades de uso geral. Isso também foi confirmado na prática: a IA de uso geral foi carregada em modelos de robôs que ela controlou pela primeira vez, e isso não resultou em falhas nas máquinas — a IA imediatamente encontrou o caminho para a tarefa e começou a executá-la.
VÍDEO
Uma demonstração de adaptação destaca a promessa dessa abordagem por meio do aprendizado baseado em erros em tempo real. Por exemplo, um robô quadrúpede que perdeu uma perna, após várias quedas, transita rapidamente para uma marcha bípede semelhante à humana. Outros casos: quando um joelho trava, o robô redistribui seu peso entre três pernas; uma roda emperrada força o robô a alternar entre andar com rodas e andar; pernas alongadas (como aquelas sobre pernas de pau) exigem ajustes para o equilíbrio. Todos os testes foram realizados imediatamente, sem treinamento adicional, demonstrando como a IA descobre novas estratégias em apenas 7 a 8 segundos, por exemplo, realizando grandes movimentos de quadril quando uma panturrilha é perdida.
VÍDEO
Os desenvolvedores veem sua solução como um sinal precoce de inteligência em robótica, o que pode levar ao surgimento de assistentes robóticos reais para humanos — em fábricas, hospitais e residências. A abordagem da Skild AI enfatiza que, para ter sucesso na realidade, os robôs devem controlar “todos os corpos possíveis”, não apenas alguns, abrindo caminho para um futuro ético e benéfico, onde as máquinas auxiliam os humanos emvida cotidiana.