Robôs passando do laboratório para aplicações industriais reais, muito mais complexo do que se imagina.

No ano passado, o campo da pesquisa em robótica realmente alcançou muitos resultados — avanços como VLA, Sim2Real, generalização entre diferentes domínios e manipulação ágil foram bastante sólidos. Mas o interessante é que os focos mais avançados na academia e na indústria são completamente diferentes; as equipes de aprendizado de máquina se preocupam com uma coisa, enquanto as empresas que realmente fabricam robôs industriais se preocupam com outra, e entre eles há uma lacuna difícil de atravessar.

Os principais obstáculos estão em três pontos: primeiro, os dados usados para treinamento muitas vezes não correspondem ao ambiente real de implantação, e um conjunto de dados anotado pode facilmente causar problemas na linha de produção. Segundo, a pesquisa geralmente avalia o desempenho médio, mas na aplicação industrial o que mais preocupa são os casos extremos, onde um erro pode significar custos elevados. Terceiro, desempenho e latência estão sempre em conflito; modelos rápidos podem não ter precisão suficiente, enquanto respostas precisas podem ser lentas demais. Se esses três pontos não forem resolvidos, nem a melhor tese técnica será suficiente para a prática.