Durante décadas, a robótica sofreu com uma distância persistente entre ambição e utilidade prática. Enquanto pesquisadores imaginavam máquinas capazes de navegar a complexidade dos ambientes humanos — auxiliando idosos ou executando tarefas perigosas —, a realidade se limitava à precisão repetitiva das linhas de montagem automotivas. O objetivo eram os androides versáteis da ficção científica; o que se obteve, na prática, foi o Roomba. Esse histórico de promessas excessivas e entregas modestas manteve o venture capital cauteloso com o setor por anos.
Essa hesitação evaporou. Em 2025, investidores aportaram US$ 6,1 bilhões em robótica humanoide — um aumento de quatro vezes em relação ao ano anterior. Essa migração de capital não se deve a uma melhora repentina no hardware, mas a uma mudança fundamental na forma como as máquinas são ensinadas a interagir com o mundo físico. A indústria está abandonando a programação rígida baseada em regras do passado em favor dos mesmos modelos de aprendizado em larga escala que revolucionaram a inteligência digital.
A abordagem tradicional para uma tarefa tão simples quanto dobrar uma camisa exigia uma lista exaustiva de instruções: calcular a deformação do tecido, identificar golas, ajustar para cada rotação possível. Essa lógica de "se-então" falha no instante em que encontra a imprevisibilidade de uma casa real. Ao tratar o movimento físico como um problema de dados — e não de geometria —, os roboticistas estão finalmente construindo sistemas capazes de generalizar, transformando as ferramentas estáticas da fábrica nos agentes adaptáveis do futuro.
Com reportagem de MIT Technology Review.
Source · MIT Technology Review
