Existe um armazém nos arredores de Boston onde as velas para o navio USS Constitution foram fabricadas no final dos anos 1700. Com certa ironia, esse armazém agora abriga cerca de 100 robôs semi-humanoides que estão ocupados colocando objetos em caixas, retirando-os novamente, empilhando, derrubando e até dobrando roupas.
Na maior parte do tempo, porém, eles estão falhando.
Todos se chamam Sonny. Eles são vagamente humanoides, não explicitamente, como a concepção de um artista minimalista sobre um robô humanoide. Nenhum está no local há mais de dois meses, e alguns chegaram há poucos dias.
Cada vez que realizam uma tarefa com sucesso, um treinador de robôs lhes dá uma pequena recompensa digital. Cada vez que falham, o erro é registrado, rotulado e enviado de volta — junto com todos os sucessos — para o modelo de aprendizado de máquina que, futuramente, controlará o Sonny e todos os seus irmãos e irmãs pelo país. E, dado que todos basicamente acabaram de nascer… eles estão falhando muito mais do que acertando.
Mas tudo isso está perfeitamente de acordo com o plano.
A Forbes foi até a DF1 — Data Factory One — e, de acordo com seu operador e proprietário, a Tutor Intelligence, trata-se da maior operação de coleta de dados robóticos dos Estados Unidos. O cofundador e CEO, Josh Gruenstein, compara o local, apenas meio de brincadeira, ao Grande Colisor de Hádrons: um instrumento de descoberta gigante, caro e construído sob medida, projetado para responder a uma única pergunta.
É possível realmente escalar o caminho até um robô industrial com capacidades gerais? Ninguém fez isso ainda. A aposta da Tutor é que eles podem ser os primeiros.
A tese contrária da Tutor: ninguém construiu um produto robótico
A maior parte da cobertura sobre robótica foca no hardware: o formato, os graus de liberdade, a destreza das mãos. (Culpado conforme acusado!) Gruenstein argumenta que isso ignora o problema real.
“Ninguém jamais construiu produtos robóticos com sucesso”, ele me disse durante um tour pela instalação em Watertown, Massachusetts. “As pessoas construíram provedores de soluções robóticas para usuários finais específicos. Mas o que significa construir um único robô que possa realizar a mesma tarefa para milhares de clientes?”
Em outras palavras: construir um robô de uso geral.
A distinção de Gruenstein importa. A robótica industrial existe há mais de meio século e empresas japonesas, alemãs, dinamarquesas e algumas americanas construíram negócios significativos em torno da automação personalizada. Mas esses são tipicamente relacionamentos de um único cliente, profundamente especializados, caros para implantar e impossíveis de realocar em outro lugar.
O padrão clássico de uma startup de robótica, argumenta Gruenstein, é apostar a empresa em um único contrato corporativo, ganhá-lo e então descobrir que construiu algo que não se generaliza para mais ninguém. A Tutor foi estruturada para evitar essa armadilha.
A empresa, apoiada pela Nvidia e pela Amazon como parte da Physical AI Fellowship gerenciada pela MassRobotics, descreve-se como uma “empresa de pesquisa e implantação de robótica” verticalmente integrada em pesquisa de modelos de fundação, fabricação de robôs (montados internamente em Watertown) e a implantação e manutenção de robôs nos locais dos clientes. A tese é que o volante de dados (data flywheel) só funciona se você for dono de todo o processo.
Um relatório recente da Bessemer sobre o futuro dos robôs humanoides concorda, aliás. O relatório argumenta que empresas de robótica “full-stack” estão melhor posicionadas no mercado atual graças ao ciclo dados-modelo-capacidade: quanto mais dados você tem, melhor é o seu modelo e mais capazes seus robôs se tornam.
“Todas as empresas convergirão para o desejo de possuir tanto a plataforma quanto a camada de aplicação”, diz Gruenstein. “Um dos maiores motivos são os dados.”
Dois robôs, uma arquitetura
A Tutor já fabrica e entrega vários robôs. Um deles, Cassie, já está em campo; é um robô industrial de 900 kg projetado para manipular caixas e paletes, as unidades de trabalho da distribuição e manufatura B2B. O Cassie não é um humanoide e não tenta ser.
“O Cassie vai trabalhar mais que um robô humanoide 24 horas por dia, 7 dias por semana”, disse Gruenstein.
O Sonny, por outro lado, embora construído sobre a mesma arquitetura de hardware e software do Cassie, é otimizado para tarefas de manipulação de bancada: coleta, embalagem e triagem. Cada Sonny possui seis graus de liberdade por braço (o mínimo matemático para alcançar qualquer posição no espaço 3D), dois braços para produtividade e tolerância a falhas, e quatro câmeras, incluindo algumas montadas nas próprias mãos. As garras são do estilo FINRAY — bioinspiradas, flexíveis, impressas em 3D e deliberadamente simples. Mãos mais sofisticadas chegarão quando o Sonny esgotar as possibilidades de treinamento nestas garras de baixa tecnologia.
O Sonny tem rodas, não pernas, porque é mais eficiente: você pode carregar mais bateria, tem mais estabilidade e não desperdiça tecnologia em recursos que não trazem nenhuma capacidade necessária no momento.
Nenhuma unidade do Sonny foi enviada a clientes ainda. Gruenstein espera iniciar pilotos com clientes antes do final deste mês, mas é cuidadoso ao se precaver: “Existe uma incerteza epistêmica ligada a qualquer cronograma”.
A maioria das empresas de robótica humanoide prefere o vídeo de demonstração polido. A Tutor está nos mostrando a DF1 enquanto os robôs ainda estão aprendendo e visivelmente enfrentando dificuldades.
“Na comunidade de robótica, tem havido uma abordagem muito orientada para demonstrações. O critério de sucesso é mostrar o robô fazendo a coisa uma única vez, gravar um vídeo e postar. Essa é uma cultura da qual teremos que nos afastar à medida que a robótica deixa de ser algo que existe apenas no laboratório para ser algo que existe no campo”, afirma Gruenstein.
Cobertura de SKU: uma métrica que os fabricantes de robôs ainda não acompanham
Enquanto o Sonny ainda está no laboratório, o Cassie já está realizando trabalho real em campo. Um dos clientes da Tutor, a Productiv — uma empresa de logística terceirizada especializada em kits personalizados e embalagens contratuais — implantou seu primeiro paletizador Cassie há cerca de três meses.
O CFO e coproprietário Paul Baker me explicou o que ele está realmente medindo.
“Uma das métricas que observamos quando avaliamos a robótica é o que chamamos de cobertura de SKU”, disse Baker. “Lidamos com dezenas de milhares de itens diferentes ao longo do ano. A cobertura de SKU de um humano é de 100%. A de um robô é uma pequena fração disso.”
A matemática torna-se implacável rapidamente. A Productiv montará cerca de 30 milhões de kits este ano, cada um contendo de 10 a 15 itens — o que significa que a empresa executará algo em torno de meio bilhão de operações de coleta e posicionamento (pick-and-place) em milhares de produtos distintos: curativos, martelos, protetor labial, sabonete líquido, iscas de pesca, componentes de kits cirúrgicos.
“Para um robô, pode não haver trabalho suficiente, porque ele pode ser capaz de lidar apenas com uma parte desses SKUs”, disse-me Baker. “Se a sua cobertura de SKU for muito baixa, não conseguimos manter o robô ocupado nem por um turno.”
Essa é uma métrica sobre a qual eu não tinha ouvido falar antes, mas gosto muito dela. A cobertura de SKU corta muito do “hype” em torno da robótica humanoide. A maioria dos vídeos de demonstração mostra um robô fazendo uma tarefa repetidamente, mas em muitas instalações de logística e armazenamento do mundo, isso não é muito realista.
A pergunta da Productiv é: diante do nosso mix real de produtos, qual porcentagem do nosso trabalho você consegue fazer? No momento, chegar a 25-40% já seria significativo. Atingir 100% — o padrão de referência humano — ainda está muito longe.
Baker também está testando humanoides da Avatar (com rodas, dois braços, realizando coleta e posicionamento teleoperado com um roteiro para autonomia) e cobots da Blue Sky Robotics. Ele aposta em rodas em vez de pernas para o trabalho em armazéns: “Não consigo pensar em quase nenhum fluxo de trabalho em nosso armazém que exigiria pernas”.
O capital está chegando rápido
Independentemente do que você pense sobre os prazos, o fluxo de capital é real.
Alla Simoneau, que lidera a IA física para o Centro de Inovação em IA Generativa da AWS, citou números de investimento que subiram bruscamente nos últimos 18 meses. Cerca de US$ 7 bilhões foram para startups de robótica e IA física em 2024. Em 2025, esse número foi de US$ 40,7 bilhões: cerca de 9% de todo o capital de risco global implantado.
Esse é um sinal importante de que a robótica está, de repente, no centro da inovação global.
Simoneau enquadra o lado da demanda em torno da escassez de mão de obra, que já é um problema: projeta-se 1,9 milhão de vagas de manufatura não preenchidas nos EUA até 2033, disse ela, junto com meio milhão de vagas abertas atualmente na construção civil (onde espera-se que 40% da força de trabalho atual se aposente em uma década). Ela também citou uma estimativa da Organização Mundial da Saúde de um déficit de 11 milhões de profissionais de saúde até 2030.
Dentro da própria rede de distribuição da Amazon, que contava com mais de um milhão de robôs implantados em setembro, a empresa relata ganhos de eficiência de 25% e uma redução de 40% em acidentes de trabalho.
Se a aposta da Tutor valerá a pena, depende, até certo ponto, de a DF1 realmente produzir o que Gruenstein espera: um modelo de fundação generalista o suficiente para colocar um Sonny no site de um cliente e fazê-lo performar nos padrões industriais com o mínimo de ajuste específico para a tarefa.
Esse é um patamar elevado. Ninguém o alcançou, e a Tutor não chegará lá imediatamente.
Mas parado no meio de cem robôs que estão todos visível, pública e assumidamente tentando e falhando e falhando e falhando… tenho a sensação de que a Tutor está, pelo menos, fazendo a pergunta certa.
E a boa notícia é que você não precisa resolver 100% dos problemas para chegar a um trabalho útil: os 25-40% de cobertura de SKU que Baker mencionou. Qualquer coisa acima disso já é lucro.
*Reportagem publicada originalmente em Forbes.com