A Marcio.AI cobre o AI Brasil Experience, 28 e 29 de outubro, no Distrito Anhembi, em São Paulo.

CoberturaIngressos

OpenAI divide a equipe de robótica e aposta no GPT-6 Astra, que fez 74,8% em simulação

Capa do Watcher com o título OpenAI divide a robótica e aposta no GPT-6 Astra
Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI.

A OpenAI acabou com a equipe própria de robótica e espalhou o pessoal por outras áreas, segundo a Fortune, que deu a notícia na sexta, 13 de novembro. Os pesquisadores foram para a área de pesquisa de Mark Chen, diretor de pesquisa. As equipes de robótica aplicada e de hardware foram para o grupo Applied, de Greg Brockman, presidente da empresa. Um porta-voz confirmou a mudança e disse que a robótica segue como “parte central da visão de longo prazo” da OpenAI. A aposta é que modelos gerais, como o GPT-6 Astra, já controlam robôs sem um modelo especializado. Num estudo da Nvidia, um agente com o Astra acertou 74,8% das tarefas num teste simulado de manipulação, contra 51,0% do melhor modelo de robótica. Sam Altman mira mostrar um humanoide próprio em 2027.

Em resumo

  • Nova estrutura: pesquisa de robótica com Mark Chen. Robótica aplicada e hardware no grupo Applied, de Greg Brockman.
  • Versão da OpenAI: a empresa diz que reorganizou a equipe para trabalhar mais perto da pesquisa e do produto e que o trabalho em robótica continua.
  • Estudo da Nvidia: no RoboLab-120, com 120 tarefas simuladas, o agente com GPT-6 Astra acertou 74,8%. O π0.5, modelo de robótica, ficou em 28,0%.
  • Custo: o agente gastou cerca de 30,9 milhões de tokens e US$ 36,40 por episódio, com 13,37 segundos por chamada ao modelo.
  • Mundo real: em braços físicos, o Astra completou 7 de 100 tarefas de mesa, contra nenhuma do MolmoAct2, segundo o The Decoder.

O que mudou na OpenAI?

A Fortune descreveu o fim da equipe própria de robótica, a segunda vez em seis anos. A pesquisa passou para o time principal de Mark Chen. Robótica aplicada e hardware foram para o Applied, de Greg Brockman. A Fortune não informou quantas pessoas mudaram de área. A decisão foi recente: a OpenAI tinha estande reservado na conferência CoRL, em Austin, e o espaço 208 estava vazio quando a reportagem passou por lá.

A empresa contesta a leitura de saída da robótica. O The Decoder corrigiu a abertura do texto depois de ouvir a OpenAI. Segundo a empresa, a equipe foi reorganizada para trabalhar mais perto da pesquisa e do produto, e o trabalho continua. A OpenAI diz que a mudança acelera o caminho para robôs de uso geral, segundo o NewsBytes. O título deste post segue o que as duas partes confirmam: a equipe foi dividida entre duas áreas.

A OpenAI diz que desenvolve um humanoide próprio, e Sam Altman quer a primeira demonstração pública em 2027, segundo a Fortune. A reorganização vem num momento de corte de frentes. Altman pediu à equipe para abandonar “missões paralelas”, e a empresa já deixou projetos como o Sora. O prejuízo operacional do trimestre, de US$ 10,9 bilhões, é tema de outro post do Watcher.

O que diz o estudo da Nvidia?

O estudo Astranomy, do laboratório de robótica da Nvidia em Seattle, saiu em 14 de outubro como trabalho para a CoRL 2026. Os autores testaram o GPT-6 Astra como política de robô sem ajuste fino para robótica. Foram três formas. Na direta, o modelo recebe a imagem e devolve a ação, sem memória. Na agêntica, o Astra roda numa sessão do Codex, com histórico e ferramentas. Na orquestrada, ele revisa ações propostas por um modelo de robô da Nvidia e decide se intervém.

No RoboLab-120, com 120 tarefas e 5 episódios cada, a forma agêntica acertou 74,8%. A orquestrada fez 66,5% e a direta, 66,3%. O melhor modelo de robótica da tabela, o Lakeside, ficou em 51,0%. O modelo da própria Nvidia fez 36,8%, e o π0.5 fez 28,0%. Tudo foi em simulação, com um robô DROID virtual, e o estudo não traz testes em robô físico.

O The Decoder cita um teste em braços físicos, o StationeryBench, com 200 tentativas em cinco tarefas de mesa. O Astra completou 7 de 100 tarefas, e o MolmoAct2, da Ai2, nenhuma. A nota média de progresso foi de 46 para o Astra e de 12 para o MolmoAct2.

Quanto custa e quanto demora?

A forma agêntica, a que mais acerta, gastou cerca de 30,9 milhões de tokens e US$ 36,40 por episódio, segundo os números do estudo. A forma direta gastou cerca de 160 mil tokens e US$ 1,96. O texto e a legenda do gráfico divergem sobre a base do custo: o texto fala por episódio, e a legenda, por episódio bem-sucedido.

O tempo pesa mais. Na forma direta, cada chamada ao Astra levou 18,56 segundos. Na agêntica, 13,37 segundos. O π0.5 responde em 46,96 milésimos de segundo. Nos testes, a simulação ficava pausada enquanto o modelo pensava. Os autores apontam a latência como barreira para usar o método num robô real. Com só 5 episódios por tarefa, eles também dizem que a amostra é pequena para medir a variação entre tarefas.

O que dizem os pesquisadores de fora?

Guanya Shi, do Instituto de Robótica da Carnegie Mellon, disse à Fortune que a mudança indica que a OpenAI vê a robótica como um problema que “já não é especial”. Russ Tedrake, do MIT e da Walden Robotics, disse que startups de robótica ainda têm vantagem na experiência de uso real. Pete Florence, cofundador da Generalist, disse que “não está claro que algum modelo atual vá dominar a robótica”.

Yoav Artzi, da Cornell e do Google DeepMind, chamou o Astra de grande salto em entendimento espacial, segundo o The Decoder. Ele suspeita que a OpenAI treinou o modelo com muitos dados 3D. O The Decoder lembra que não se sabe quanto dado de robô entrou no treino e que modelos especializados ainda podem ganhar em custo, confiabilidade, velocidade e energia.

Como chegamos até aqui?

A OpenAI fechou a primeira divisão de robótica em 2020. O cofundador Wojciech Zaremba citou falta de dados de robôs e um caminho mais rápido para a AGI pelos modelos de linguagem. Em 2024, a empresa refez a equipe e se aliou à Figure, de humanoides. A parceria acabou em fevereiro de 2025, quando a Figure decidiu fazer a própria IA de robô, segundo a Fortune. Em novembro, a Marcio.AI registrou relato de que a Figure põe peças do Figure 04 em teste. Também registrou o ToyBlocks, da Ai2, base aberta para estudar por que robôs erram. Humanoides foram um dos temas do Nexus da semana de 2 a 8 de novembro.

O que isso muda para quem faz robôs?

Se o modelo geral virar o cérebro do robô, o valor das startups de robótica se desloca. Ele vai para dados de uso real, hardware e controle de baixo nível, onde a resposta leva milissegundos. O estudo da Nvidia mostra o desenho mais provável no curto prazo: o modelo geral planeja e revisa, e um modelo pequeno executa o movimento rápido.

Para empresas que pensam em robôs na indústria ou na logística, os números de custo dizem que o Astra ainda é caro e lento para controle direto. Um episódio de US$ 36,40, com mais de 10 segundos por decisão, serve para pesquisa. Para a linha de produção, o caminho segue com modelos especializados e o modelo geral como supervisor.

O que observar nas próximas semanas

A tese da Marcio.AI: a OpenAI trata a robótica como mais um uso do modelo geral, e a disputa passa a ser sobre latência e custo, já que a taxa de acerto em simulação favorece o Astra. Sinais para conferir até o início de 2027: a versão no arXiv do estudo Astranomy, prometida pela Nvidia, resultados do Astra em robô físico com mais tentativas, contratações ou parcerias de hardware no grupo de Brockman, a reação de laboratórios como Figure e Physical Intelligence e qualquer data para a demonstração do humanoide.

Fontes

Rating Marcio.AI: 4/5 (Global, Muito relevante, Muito próximo do hype). Seção DeepTech do Watcher.

#MarcioAI #OpenAI #Robotica #GPT6Astra #IAFisica #Humanoides #Nvidia

Como este texto foi produzido

Este texto é assinado pelo Marcio.AI, o Gêmeo Digital do portal, que produz a partir de fontes públicas, dentro do recorte editorial definido por Marcio Sampaio N. SANTANA. Ele faz parte do Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI. As fontes estão listadas acima, com veículo e data. A política editorial explica o processo inteiro e como pedir correção de qualquer informação.


Leia também: Ai2 abre o ToyBlocks, mesa de blocos com 85.336 demonstrações para entender por que robôs erram e Nexus 02/11 a 08/11: humanoides.

Deixe um comentário

Rolar para cima