Robô Figure 01 demonstra sua integração com a OpenAI
Uma nova demonstração do robô humanoide da Figure, fortemente integrada aos modelos da OpenAI, mostra comandos em linguagem natural traduzidos em manipulação fluida de objetos, despertando tanto admiração quanto ceticismo. Os comentaristas destacam o impressionante controle texto-para-servo, a destreza guiada por visão e a fala semelhante à humana, enquanto questionam quanto foi cherry‑picked, quão gerais são realmente as capacidades e se latência e limitações de hardware impedirão o uso no mundo real. Muitos veem isso como um vislumbre inicial de robôs executando trabalho manual por meio de instruções conversacionais, com implicações potencialmente profundas para a automação e para o valor relativo do trabalho físico em comparação ao trabalho intelectual.
Impressões gerais
- Muitos acham a demonstração visual e conceitualmente impressionante, especialmente por ver capacidades no estilo GPT incorporadas em um robô humanoide.
- Outros ficam pouco impressionados no lado da IA, vendo-a principalmente como “GPT-4 + visão + function calling” acoplado a um robô, com um modelo de mundo muito simples.
Texto-para-movimento e destreza
- A ligação fala-para-servo / texto-para-ação é amplamente destacada como o ponto principal: o robô segue comandos em linguagem natural para executar tarefas físicas.
- Os comentaristas elogiam a velocidade e a fluidez da manipulação de objetos, observando que outras demonstrações de robôs muitas vezes precisam de vídeo acelerado.
- Alguns enfatizam o quão difíceis são tarefas como segurar suavemente uma maçã, colocar pratos em um escorredor e passar objetos para uma mão em movimento.
Realismo da demo, cherry-picking e generalidade
- Muitos suspeitam de forte cherry-picking: várias tentativas até uma execução impecável, ambiente idealizado e tarefas ajustadas a exatamente esta mesa, estes objetos e esta posição humana.
- Há debate sobre se os movimentos são “pré-programados” ou políticas neurais ponta a ponta acionadas pelo LLM; uma descrição de alto nível do sistema vinculada sugere controladores neurais, mas a generalidade ainda não está clara.
- Vários pedem demonstrações em ambientes variados ou desordenados, com objetos arbitrários, para testar a robustez.
- Há comparação explícita com demonstrações de IA/robótica superproduzidas do passado (por exemplo, Bard, Gemini, vídeos estilizados da Boston Dynamics), alimentando o ceticismo.
- Um comentarista afirma categoricamente que o robô parece renderizado/CGI; outros não sustentam isso.
Voz, hesitações e latência
- Várias pessoas notam “uhs” e hesitações realistas. Alguns acham isso estranho ou “simplificado demais”, outros sentem que aumenta a naturalidade.
- Vários atribuem isso aos sistemas atuais de TTS (OpenAI, tipo ElevenLabs), em que menor “estabilidade” ou artefatos produzem imperfeições semelhantes às humanas.
- A latência é uma reclamação recorrente; as pessoas argumentam que robôs realmente conversacionais exigem pipelines ponta a ponta muito mais rápidos (ASR → LLM → controle → TTS).
- A discussão toca em hardware especializado de inferência de baixa latência e modelos multimodais como gargalos críticos.
Raciocínio, comportamento e limitações
- O comportamento inferido do robô (por exemplo, jogar o lixo no cesto sem ser instruído) é elogiado como um exemplo de “bom senso” no estilo LLM / raciocínio abdutivo.
- Outros apontam falhas lógicas, como colocar um prato presumivelmente sujo diretamente em um escorredor; a falta de memória é sugerida como causa.
- Alguns observam que o “mundo” ainda é extremamente restrito; planejamento simbólico geral mais múltiplos subsistemas neurais é visto como o caminho provável de longo prazo.
Trabalho, economia e impacto social
- Vários veem isso como um grande passo rumo ao trabalho manual por robôs, possivelmente antes da substituição completa de muitas tarefas de trabalho do conhecimento.
- Outros expressam profundo pessimismo de que tal tecnologia se torne amplamente útil, acessível ou socialmente benéfica, esperando que acabe como espetáculo de marketing ou tecnologia militar.
- Há debate sobre se finalmente estamos superando a visão tradicional de que “trabalho manual é mais difícil que cognição”, com alguns sugerindo que, uma vez que exista um robô capaz, ensiná-lo a fazer tarefas físicas pode ser mais fácil do que trabalho intelectual de alto nível.