A corrida chinesa pelos robôs humanoides esbarra em um muro de dados

A principal barreira para os robôs humanoides chineses começa a deixar de ser o hardware e passa a ser a falta de dados. Fazer um robô andar, dançar ou repetir uma demonstração cuidadosamente preparada é relativamente diferente de ensiná-lo a perceber o ambiente, tocar objetos, lidar com imprevistos, falhar e se recuperar sozinho. Para isso, são necessários registros legais, variados e de alta qualidade de máquinas interagindo fisicamente com o mundo. 514

A mudança ficou evidente na Conferência Mundial de Robôs de 2026. Ao lado das demonstrações bem ensaiadas, os expositores deram destaque a equipamentos de teleoperação, sistemas vestíveis de captura de movimento, sensores de força e tato e estruturas criadas para coletar os dados usados no treinamento de modelos de aprendizagem robótica. 4913

O tamanho do abismo de dados físicos

Números repetidos no entorno da conferência indicam que os dados compatíveis disponíveis de interações físicas reais na China somam aproximadamente 500 mil horas. Já modelos gerais de IA incorporada voltados a aplicações comerciais são frequentemente associados à necessidade de dezenas de milhões de horas. A diferença supera 99%. Ainda assim, trata-se de uma estimativa do setor, e não de um patamar científico válido para qualquer robô: a quantidade necessária varia conforme a tarefa, a plataforma, o ambiente e o padrão de segurança. 357

A comparação é importante porque dados de interação física não podem ser substituídos simplesmente por conteúdo em escala de internet. Um vídeo pode mostrar uma pessoa pegando uma xícara, mas normalmente não registra o estado das articulações do robô, a força da pegada, o momento exato do contato, o atrito, o escorregamento ou os movimentos de correção.

São esses detalhes que determinam se a máquina conseguirá repetir a ação quando a xícara estiver mais pesada, a superfície molhada ou o objeto em outra posição.

Por que uma demonstração impressionante não prova autonomia

Uma rotina programada pode esconder justamente as partes mais difíceis da robótica. Os objetos, a iluminação, o trajeto e o tempo da ação podem estar sob controle, enquanto um operador humano intervém sempre que surge uma condição inesperada. O resultado parece autônomo, mas não necessariamente demonstra que o robô aprendeu uma política robusta de percepção e ação.

A operação comercial exige muito mais. A máquina precisa lidar com variações no formato dos objetos, nos pontos de pegada, nas superfícies, na desorganização do ambiente e na presença de pessoas. Também precisa reconhecer erros e se recuperar deles.

Em tarefas que envolvem contato, o dado útil não é apenas saber se o objetivo final foi alcançado. É preciso registrar a sequência de observações, ações, estados físicos e correções realizadas ao longo do caminho. Por isso, conjuntos de dados desenvolvidos especificamente para IA física conectam sinais multimodais às ações e às consequências dessas ações. 333440

A coleta está ficando mais complexa

Os primeiros conjuntos de dados para aprendizagem robótica podiam se concentrar em demonstrações curtas e repetíveis. A próxima etapa envolve tarefas mais longas, com várias fases e contato físico frequente: manipulação, separação de objetos, montagem, embalagem, limpeza e outras atividades em casas, lojas, fábricas e ambientes de atendimento.

Isso aumenta a exigência em três frentes:

• Mais variedade: a mesma tarefa precisa ser registrada com diferentes objetos, layouts, materiais e condições ambientais.
• Mais informações sobre falhas: escorregões, colisões, pegadas malsucedidas e tentativas de recuperação podem ensinar tanto quanto as demonstrações bem-sucedidas. 33
• Mais sinais sincronizados: câmeras, profundidade, posição do robô, movimento das articulações, força, tato e outros fluxos de sensores precisam estar alinhados para que o modelo aprenda a relação entre percepção e ação.

A expansão é difícil porque robôs são caros de operar, experimentos físicos exigem controles de segurança e dados de qualidade precisam ser selecionados e organizados — não apenas acumulados. Um grande arquivo de vídeos, por si só, não constitui um bom conjunto de treinamento para robôs.

A nova camada de fornecimento de dados

Empresas especializadas começam a ocupar o espaço entre o comportamento humano e os dados prontos para máquinas. O trabalho pode incluir recrutar e treinar operadores, controlar robôs remotamente, capturar movimentos humanos, equipar tarefas com sensores, sincronizar sinais, filtrar trajetórias ruins e formatar os resultados para desenvolvedores de modelos.

A teleoperação é valiosa porque registra ações realizadas em um robô real, e não apenas uma pessoa executando um movimento parecido. Interfaces de realidade virtual e outros controladores genéricos podem gerar comandos para o robô. Já sistemas vestíveis e equipamentos de captura de movimento registram movimentos mais complexos do corpo humano e os adaptam à máquina. 1

Surge, assim, uma nova camada de fornecimento para a IA incorporada. As empresas não estão apenas construindo os corpos dos robôs e seus modelos; também produzem as demonstrações e os registros sensoriais que conectam essas duas partes. Na conferência, expositores apresentaram a coleta de dados como um componente próprio da cadeia de inteligência incorporada, incluindo sistemas que capturam movimentos da cabeça e das mãos durante atividades cotidianas. 49

Por que a China está construindo centros de treinamento em escala nacional

Os centros de treinamento oferecem ambientes controlados, mas realistas, nos quais robôs podem ser treinados, testados e comparados. Eles reproduzem cenários como fábricas, armazéns, residências, espaços comerciais e locais de atendimento público, permitindo repetir situações sem reduzir o problema a uma rotina de laboratório.

Segundo reportagens baseadas em um relatório de 2026 da Academia Chinesa de Tecnologia da Informação e das Comunicações, mais de 70 centros de treinamento de IA incorporada estavam em operação no país até o fim de junho. Outros 46 estavam em construção ou no planejamento. As instalações cobriam mais da metade das regiões chinesas de nível provincial, e a manufatura industrial aparecia em 86% dos centros mencionados. 1822

A infraestrutura só será relevante se for usada de forma contínua. O objetivo não é criar mais locais de demonstração, mas transformá-los em bases de recursos de dados e plataformas de testes em cenários reais. O ciclo pretendido é direto: o treinamento no mundo real produz dados; os dados aprimoram o modelo; modelos melhores viabilizam uma implantação mais ampla; e a implantação gera novos dados operacionais. 1422

A política quer tirar os robôs do palco

O Ministério da Indústria e Tecnologia da Informação da China e a Comissão de Supervisão e Administração de Ativos Estatais lançaram, em 2026, uma ação especial para o treinamento em cenários reais de robôs humanoides e sistemas de IA incorporada. O programa contempla setores industriais, de serviços e tarefas especializadas, incluindo manufatura, logística, saúde, serviços públicos e resposta a emergências. 2425

Um comunicado do governo estabeleceu, entre as metas, a implantação comercial de 10 mil robôs humanoides e de mais de 100 cenários de aplicação de alto valor até o fim de 2026. 26 A lógica é fazer da própria implantação parte da infraestrutura de treinamento: governos locais e empresas estatais são incentivados a oferecer ambientes nos quais os sistemas possam ser testados, validados e aprimorados durante operações reais. 24

Isso não garante que as metas serão cumpridas nem que os robôs alcançarão autonomia ampla. A política, porém, mostra que o foco está se deslocando da produção de hardware para o ciclo de dados e implantação necessário à confiabilidade comercial.

Por que vídeo, texto e dados de direção não bastam

Vídeos e linguagem continuam sendo úteis. Eles ajudam os modelos a entender o que são os objetos, o significado das instruções e a aparência de uma ação humana. A simulação também permite ganhar escala e cobrir situações que seriam caras ou perigosas de reproduzir fisicamente. Pesquisas sobre padrões de dados para sistemas incorporados apontam, inclusive, para a combinação de dados reais, simulados e de múltiplas modalidades sensoriais. 232

Essas fontes, no entanto, não descrevem completamente o problema de controle. Ao manipular um objeto, o robô pode precisar estimar:

• a posição e a orientação tridimensional do objeto;
• os próprios ângulos das articulações, a velocidade e a resposta mecânica;
• a força necessária para agarrar, empurrar, inserir ou levantar;
• o momento do contato, do escorregamento ou da colisão; e
• como ajustar o movimento quando o resultado esperado não acontece.

Por isso, diferentes métodos de coleta são complementares:

• Teleoperação por realidade virtual: registra os comandos demonstrados por uma pessoa por meio de uma interface que pode ser convertida nos movimentos do robô. 1
• Captura vestível de movimento: registra a intenção do corpo, dos braços e das mãos de uma pessoa, que depois pode ser adaptada para o robô. 1
• Retorno de força e sensores táteis: revelam contato, resistência, pressão e escorregamento que imagens comuns podem não captar. 733
• Torque dos motores e dados proprioceptivos: mostram o estado interno do robô e como seu mecanismo reage durante a ação. 3946
• Trajetórias de robôs reais: expõem erros de calibração, latência, ruído dos sensores, limites mecânicos e a desordem do ambiente, aspectos que vídeos humanos e simulações apenas aproximam. 3234

Conjuntos de dados de direção autônoma podem contribuir para percepção e navegação, mas a manipulação hábil envolve um espaço de ações diferente. Dirigir é, em grande medida, um problema centrado no veículo e com pouco contato contínuo com objetos. Já tarefas como agarrar, inserir e montar dependem de forças de contato, flexibilidade mecânica e capacidade de recuperação.

A implicação estratégica

A mensagem da Conferência Mundial de Robôs de 2026 não é que a China tenha deixado de investir em hardware. É que hardware, sozinho, não fecha a lacuna da autonomia. A vantagem competitiva pode cada vez mais pertencer às organizações capazes de coletar, padronizar e usar legalmente grandes volumes de dados multimodais de interação física.

Para a indústria chinesa de robôs humanoides avançar além das demonstrações coreografadas e das máquinas controladas remotamente, será necessário combinar implantações reais, operadores treinados, ambientes instrumentados, padrões compartilhados de dados e testes repetidos. Esse pipeline já está sendo construído, mas a distância entre centenas de milhares de horas e as dezenas de milhões frequentemente discutidas para a comercialização continua sendo o principal gargalo. 31314