Physical Intelligence lança cérebro robótico capaz de aprender tarefas inéditas com instruções verbais
Physical Intelligence apresenta modelo π0.7: um avanço promissor para cérebros robóticos generalistas
A startup de robótica Physical Intelligence, sediada em São Francisco e com apenas dois anos de existência, revelou seu novo modelo de inteligência artificial para robôs chamado π0.7. Segundo a empresa, trata-se de um passo inicial, porém significativo, rumo ao desenvolvimento de um cérebro robótico de uso geral — ou seja, capaz de entender e executar tarefas para as quais não foi explicitamente treinado.
Como funciona o π0.7 e qual seu diferencial
Ao contrário dos métodos tradicionais que dependem de treinamento específico e repetitivo para cada tarefa, o π0.7 demonstra generalização composicional. Isso significa que ele pode combinar habilidades aprendidas em contextos distintos para resolver problemas novos que não estavam no seu conjunto de dados original.
Um dos exemplos mais impressionantes apresentados pela equipe foi a interação do modelo com uma air fryer — aparelho que o sistema praticamente não havia visto durante o treinamento. O conjunto de dados continha apenas dois episódios relacionados: um em que um robô empurrava a air fryer para fechá-la e outro em que um robô colocava uma garrafa plástica dentro do aparelho, baseado em um dataset aberto. Mesmo assim, o π0.7 conseguiu sintetizar essas informações e, com instruções verbais passo a passo, operou o equipamento para cozinhar uma batata-doce com sucesso.
Uso prático: instruções verbais para ensinar robôs em tempo real
Um diferencial importante do π0.7 é a capacidade de receber orientações em linguagem natural para executar tarefas, o que abre portas para ambientes onde não há dados específicos nem re-treinamento disponível. Por exemplo, um operador pode guiar o robô verbalmente, explicando cada passo, e o sistema assimila e executa a tarefa.
Essa característica permite que o robô seja adaptado rapidamente a novos cenários, uma vantagem significativa para aplicações industriais, domésticas ou de serviços, onde a diversidade de tarefas é grande e imprevisível.
Limitações atuais e desafios futuros
Apesar dos avanços, o modelo ainda não é capaz de realizar tarefas complexas de múltiplas etapas a partir de comandos únicos de alto nível. Segundo Sergey Levine, cofundador da Physical Intelligence e professor da UC Berkeley, o π0.7 não pode simplesmente receber um comando como “Faça uma torrada” e executar autonomamente. Ele precisa ser conduzido por instruções detalhadas.
Além disso, a empresa reconhece a ausência de benchmarks padronizados para robótica, o que dificulta a validação externa dos resultados. Até o momento, o desempenho do π0.7 foi comparado internamente com modelos especialistas treinados para tarefas específicas, mostrando resultados equivalentes em atividades como fazer café, dobrar roupas e montar caixas.
Investimentos e perspectivas comerciais
Physical Intelligence já captou mais de US$ 1 bilhão em investimentos e possui valor de mercado estimado em US$ 5,6 bilhões. A startup está atualmente em negociações para uma nova rodada que pode elevar sua avaliação para US$ 11 bilhões, refletindo o entusiasmo do mercado com seu potencial tecnológico.
No entanto, a empresa mantém cautela quanto a prazos para comercialização, evitando previsões sobre quando sistemas baseados no π0.7 estarão prontos para uso em larga escala no mundo real.
Quem pode se beneficiar e como acessar
Embora ainda seja uma tecnologia em estágio de pesquisa, o avanço do π0.7 indica que indústrias que demandam robôs versáteis — como manufatura, logística, serviços domésticos e automação comercial — poderão futuramente contar com sistemas mais adaptativos e fáceis de programar.
Até o momento, o modelo não está disponível comercialmente, e a Physical Intelligence não divulgou planos específicos para acesso público ou preços. A expectativa é que futuras versões venham a ser integradas a plataformas robóticas que facilitem a interação por linguagem natural.