Parte IV · Cap. 34 — Robótica Embodied
Híbrida · Embodied/controle · Visão + RL + controle + (LLM planejador). IA que percebe e age no mundo físico, integrando várias modalidades. Card:
../02-tipos-de-ia/06-hibrida-neuro-simbolica.kmd.
🎨 Figura
F-IV.34.0— Percepção → plano → ação física. Brief: braço/robô com câmera percebendo objetos, um plano em linguagem ("pegar a xícara"), e a política de controle movendo as juntas; laço sensor-motor.
1. Definição e história curta
Une percepção (CNN/ViT, cap. 03-04), política de controle (RL, cap. 26-28) e, recentemente, planejamento por LLM. Linhagem: controle clássico → deep RL para robótica (2016+) → modelos Vision-Language-Action (VLA) (2023+).
2. Fundamentos
- Teoria de controle / cibernética — laço sensor-motor, estabilidade.
- Física / mecânica — dinâmica, cinemática, contato.
- Probabilidade / processos estocásticos — incerteza sensorial, MDPs.
- Geometria — espaço 3D, transformações, pose.
3. Algoritmos e arquiteturas
- Percepção — CNN/ViT, fusão de sensores (câmera, LiDAR, tato).
- Política — RL (PPO/SAC), imitation learning, behavior cloning.
- Planejamento — LLM/símbolos decompõem tarefas; world models.
- VLA — modelo único visão+linguagem→ação.
- Sim-to-real — treino em simulação + transferência para o mundo real.
4. Insumos
- Hardware: robô + sensores; GPU para treino; compute embarcado para inferência.
- Dados: demonstrações, teleop, simulação massiva; dados reais caros.
- Estruturas de dados: point clouds, mapas, trajetórias, estados.
- Sistemas: ROS, simuladores (Isaac, MuJoCo), real-time control.
5. Ciclo de vida especializado
| Etapa | Especialização |
|---|---|
| 0 Problema | Tarefa física (manipulação, navegação), segurança, ambiente |
| 1 Dados | Demonstrações + simulação; domain randomization |
| 2 EDA | Cobertura de cenários, lacunas sim-to-real |
| 3 Modelagem | Percepção + política + planejador; VLA? |
| 4 Treino | RL/imitação em simulação; fine-tune no real |
| 5 Avaliação | Taxa de sucesso da tarefa, robustez, segurança |
| 5.5 Homologação | Testes físicos, limites de segurança, fail-safe |
| 6 Produção | Controle em tempo real; supervisão humana; guardrails físicos |
| 7 Monitoramento | Sucesso, falhas, desgaste, anomalias de sensor |
| 8 Retreino | Dados de campo, novos objetos/ambientes |
| 9 Governança | Segurança física, responsabilidade, deslocamento de trabalho |
6. Capacidades, modos e modalidades
Corporal-cinestésico + espacial + executivo: manipulação, locomoção, navegação autônoma, veículos. O tipo que mais integra modalidades e age no mundo físico (diferente dos agentes digitais, cap. 30).
7. Limites, riscos e ética
Gap sim-to-real; dados reais caros; segurança física (risco a pessoas); robustez a ambientes não vistos; responsabilidade legal; impacto no trabalho.
8. Estado da arte e exemplos
Manipulação aprendida, veículos autônomos, robôs humanoides, modelos VLA (RT-2-like); tendência: foundation models de robótica e maior generalização entre tarefas e corpos.
Paradigma Híbrida/Neuro-simbólica completo (caps. 30–34). Índice da Parte IV:
INDEX.kmd.