Capacidade de modelos de ponta para controlar braços robóticos dobra a cada 54 dias, aponta teste

O teste usou um robô bimanual real I2RT YAM, com dados proprioceptivos dos braços e imagens de três câmeras (duas de pulso e uma aérea). Foram nove modelos multimodais de ponta, em quinze configurações, avaliados em seis tarefas do benchmark RoboDojo, com 20 tentativas por combinação de modelo, configuração e tarefa. O framework Inspect Robots roda um laço fechado: o modelo escolhe uma ação, ela é executada, as observações voltam ao contexto, e isso se repete até o modelo encerrar, esgotar o orçamento de 40 ações ou ocorrer falha de hardware. As ações são move_to (controle cartesiano de cada braço), done e give_up.

O desempenho dobra a cada 53,9 dias entre julho e outubro de 2026, com intervalo de confiança de 95% entre 36,1 e 59,5 dias. A faixa é larga porque o Gemini 4 Argon (H+PR) supera o Opus 5.5 (XH) por apenas 0,13 ponto e só é recordista em 45% das réplicas de bootstrap. Os melhores modelos chegam a 45% a 48% de pontuação média, ou seja, progresso parcial consistente, e não sucesso ponta a ponta. A análise de trajetórias indica que a diferença entre fortes e fracos está na eficiência: os modelos raramente travam e sabem se recuperar de falhas. Em custo e velocidade, a taxa de subtarefas por hora foi de 12,4 (GPT-5.6 Sol (H), 9 de julho) para 54,4 (GPT-6 Astra (H+UF), 4 de setembro). O custo por subtarefa caiu de US$ 2,36 para US$ 0,38 (Gemini 3.8 Flash (H)). Não há modelo dominante: o Astra leva 1,1 minuto por subtarefa a US$ 4,51, e o Flash leva 4,18 minutos a US$ 0,38.

Em 7 de setembro de 2026, o CEVIU noticiou "GPT-6 Astra demonstra avanços na manipulação robótica, mas desafios persistem", com o Astra sob a política Inspect Robots em braços YAM, acertando 19 de 20 tentativas ao pegar um bloco vermelho e colocá-lo numa tigela. Naquela cobertura era um resultado isolado de um modelo numa tarefa. Agora o mesmo tipo de plataforma aparece num comparativo de nove modelos em seis tarefas, com taxa de evolução medida: dobra a cada 53,9 dias, e o Astra (H+UF) é o mais rápido, mas caro.

Para quem opera ou avalia agentes em robótica, a leitura é que o gargalo deixou de ser raciocínio e passou a ser eficiência e precisão. Isso muda o que otimizar: orçamento de ações, latência e custo por subtarefa pesam mais que a capacidade bruta do modelo. A extrapolação de que os modelos alcançariam teleoperadores em meados de 2027 é, nas palavras do próprio autor, muito ingênua, então vale tratá-la como hipótese, não como previsão.