Google DeepMind ensina o humanoide Apollo a jogar a partir de um vídeo, e diz que a simulação cai de semanas para horas
Com o lançamento do Gemini 4 Argon, a DeepMind mostrou um modelo que aprende uma tarefa vendo um vídeo e passa o movimento ao humanoide Apollo, da Apptronik. O robô acertou sete lances seguidos; o modelo marcou 87% em raciocínio espacial.
A Google DeepMind apresentou uma técnica nova de treinamento de robôs junto com o lançamento do Gemini 4 Argon, seu modelo de IA mais recente. A empresa diz que ele combina raciocínio visual e semântico, compreensão física e geração autônoma de código para aplicações em robótica.
Na demonstração interna, o Argon recebeu o vídeo bruto de uma pessoa jogando cornhole, aquele jogo de lançar saquinhos em uma prancha com furo. O modelo analisou o ambiente, mapeou as coordenadas no espaço e calculou os movimentos de todas as articulações necessários para repetir a tarefa. Em seguida, gerou sozinho o código de simulação, e o comportamento aprendido foi transferido ao humanoide Apollo, da Apptronik. Num teste real, segundo a DeepMind, o robô acertou sete lances seguidos.
Do vídeo à simulação e ao robô
A empresa batizou o método de *"Video-to-Sim-to-Real"* e afirma que ele reduz a algumas horas um trabalho de simulação que exigiria semanas de modelagem manual. A ideia é que um modelo de uso geral diminua a engenharia manual necessária para ensinar uma habilidade física nova a um robô.
No benchmark de raciocínio incorporado da DeepMind, o ERQA, que mede a capacidade de raciocinar sobre problemas físicos e espaciais em ambientes 3D, o Argon marcou 87%. O modelo também está sendo posicionado para engenharia, ciência, programação e negócios, e já chega aos produtos de IA do Google e à API do Gemini.
O que isso muda aqui
*Sem efeito* — por enquanto. É uma demonstração interna, com uma tarefa de brincadeira, um único robô e números informados pela própria empresa: a matéria não traz taxa de acerto fora dos sete lances, custo, nem qualquer humanoide à venda no Brasil.
O que merece atenção de quem integra e programa robôs é o gargalo que a técnica ataca: montar a simulação à mão, que hoje toma semanas de trabalho especializado. Se a promessa se confirmar em tarefa industrial, o ganho está em gerar o ambiente de treino a partir de vídeo de operador, sem modelagem manual. Como o modelo já está disponível pela API, vale testar em braços comuns antes de esperar humanoide. A conferir: se alguém reproduz o resultado fora do laboratório do fabricante do modelo.
