Galerias estreitas, iluminação fraca, ausência de sinal GPS, terreno acidentado — estes são os obstáculos intransponíveis que a mineração subterrânea impõe ao trabalho de inspeção. Atualmente, uma equipa de investigação multinacional liderada pela Universidade de Zhejiang está a transformar robôs quadrúpedes em "pioneiros de exploração" capazes de atravessar de forma independente estes ambientes extremos. A mais recente estrutura de inspeção autónoma desenvolvida, QRIVAS (Sistema Inteligente de Aquisição Visual para Robôs Quadrúpedes), superou inúmeros estrangulamentos tecnológicos chave na navegação autónoma em ambientes subterrâneos complexos, alcançando uma taxa de sucesso de navegação de 100% em testes de simulação e de 96,7% em testes com modelos de pilares de pontes em escala reduzida. Este avanço não só fornece uma nova solução para a perceção inteligente de infraestruturas de transporte como pontes, como também abre amplas perspetivas para as operações de inspeção não tripulada em minas subterrâneas na China.

Equipar robôs em ambientes extremos com um "Centro de Perceção"

As faces sombrias dos pilares de pontes, os espaços confinados no interior de estruturas metálicas, as galerias escuras das minas subterrâneas — nestas áreas, o campo de visão das câmaras tradicionais é limitado, o sinal GNSS é completamente perdido e as texturas das paredes são pobres, fazendo com que os robôs de inspeção convencionais se percam facilmente ou colidam com obstáculos. As soluções robóticas existentes geralmente enfrentam dificuldades de navegação em ambientes com negação de GNSS e baixa luminosidade.

A inovação central do QRIVAS reside na integração profunda, pela primeira vez, do SLAM LiDAR 3D (Localização e Mapeamento Simultâneos) com a tecnologia de segmentação semântica em tempo real. O SLAM LiDAR é responsável por construir um modelo espacial tridimensional do ambiente circundante em tempo real e localizar a sua própria posição sem depender do GNSS; a segmentação semântica em tempo real confere ao robô a capacidade de raciocínio visual para "identificar alvos chave" — permitindo-lhe julgar em tempo real, a partir da vasta quantidade de informação obtida pelos sensores LiDAR e visuais, o que são pilares de pontes, o que são passagens de manutenção e quais são as superfícies estruturais que necessitam de inspeção prioritária. O acoplamento profundo destas duas tecnologias permite que o robô quadrúpede navegue autonomamente e localize com precisão as estruturas alvo, mesmo em condições de negação de GNSS e baixa luminosidade.

Outra caraterística do QRIVAS é a sua capacidade de "operar sem mapa" — não depende de mapas pré-construídos. Isto significa que o robô pode, tal como um humano, planear enquanto explora galerias de minas desconhecidas, em vez de ficar preso a rotas predefinidas.

Demonstrar a maturidade tecnológica com "indicadores concretos"

A equipa de investigação realizou uma validação sistemática num viaduto ferroviário de betão simulado e num modelo à escala 1:3. No ambiente de simulação, a taxa de sucesso de navegação atingiu 100% — o que significa que não houve qualquer desvio de rota, perda de alvo ou interrupção por colisão em nenhum teste; a taxa média de sucesso de navegação da missão ao atravessar seis pilares de ponte no modelo físico em escala reduzida também atingiu 96,7%. Mais crucial ainda, mesmo em condições de terreno complexo, como relva artificial áspera e lancis altos, que diferem enormemente de superfícies de estrada planas ideais, o QRIVAS manteve uma capacidade de operação autónoma robusta.

O significado técnico por detrás destes dados merece uma análise aprofundada: as condições do solo nas galerias subterrâneas são muito mais complexas do que nas áreas industriais comuns. Estradas esburacadas com muito cascalho, a ondulação contínua de cabos e leitos de via, e os obstáculos em forma de degraus formados pelas instalações ferroviárias, tudo isto faria falhar os algoritmos de navegação convencionais. A taxa de sucesso de navegação de 96,7% em terrenos não planos validada pelo QRIVAS está altamente alinhada com as condições topográficas reais das minas subterrâneas, fornecendo o aval técnico mais importante para a sua "transição perfeita" do ambiente de laboratório para os cenários reais de operação em minas subterrâneas.

Robôs quadrúpedes tornam-se "Patrulheiros Inteligentes" das minas subterrâneas

Mais de 90% das minas metálicas e não metálicas na China utilizam exploração subterrânea, com uma extensão total de galerias de dezenas de milhares de quilómetros. O ambiente subterrâneo tem alta humidade, muito pó e má iluminação. Muitas áreas são divididas em espaços confinados por paredes à prova de explosão, portas de ventilação e barreiras corta-fogo, tornando a entrada manual extremamente inconveniente e com alto risco de segurança, sendo reconhecidamente um "osso duro de roer" para a inspeção.

As três tecnologias centrais dominadas pelo QRIVAS correspondem exatamente às necessidades críticas da inspeção em minas subterrâneas:

① Localização fiável sob negação de GNSS — Os sistemas de localização mineira não conseguem penetrar camadas rochosas espessas; o subsolo é, por si só, um enorme espaço sem GNSS. O método de localização do QRIVAS, baseado no SLAM LiDAR 3D, é feito à medida para esta situação.

② Reconhecimento em ambientes de baixa luminosidade e textura pobre — Em condições de má iluminação e paredes escuras, os esquemas de visão binocular tradicionais falham facilmente. O QRIVAS combina a nuvem de pontos LiDAR com a segmentação semântica, formando uma "redundância de perceção multimodal" que não depende de boa iluminação.

③ Superação autónoma de obstáculos e navegação em terreno complexo — Rampas, cascalho, carris, valas de drenagem; cada galeria subterrânea é um teste de terreno. O desempenho robusto do QRIVAS em lancis altos e relva áspera tem uma forte analogia topográfica com os leitos de cascalho subterrâneos, validando a sua capacidade de superar obstáculos e de adaptação ao terreno.

A arquitetura técnica do QRIVAS fornece um paradigma diretamente reutilizável para o desenvolvimento de robôs de inspeção para minas subterrâneas. Ao desacoplar e, ao mesmo tempo, fundir a localização SLAM com o reconhecimento de alvos semânticos, e ao reforçar a capacidade de navegação autónoma sem mapa, pode fornecer uma estrutura técnica completa, desde o "ciclo fechado de perceção" até à "execução de decisões", para o desenvolvimento personalizado de robôs de inspeção mineira.

A onda industrial da inspeção mineira não tripulada está a chegar

O avanço do QRIVAS surge numa janela de oportunidade crítica para a construção de minas inteligentes. No início de 2026, várias empresas cotadas em bolsa, como a Mei'an Sen, já concluíram a validação do projeto geral de cães-robôs quadrúpedes à prova de explosão para minas, e componentes essenciais como motores à prova de explosão e baterias especiais à prova de explosão já passaram em testes de verificação específicos. Em maio de 2026, na 6ª Exposição e Feira Comercial da Indústria Energética Internacional da China em Guizhou, realizada em Guiyang, o protótipo de robô de inspeção quadrúpede à prova de explosão exibido pela Yunmei Shidai Artificial Intelligence Technology Company integrava múltiplos sistemas de perceção, como LiDAR, imagem térmica e sensores de gás, podendo monitorizar em tempo real parâmetros como gás, temperatura e fumo, marcando o início acelerado do processo de industrialização dos robôs de inspeção quadrúpedes do laboratório para as minas.

A estrutura de navegação autónoma sem mapa, perceção multimodal e inspeção em terreno complexo validada pelo QRIVAS é precisamente a tecnologia fundamental comum mais urgentemente necessária para a industrialização atual dos robôs de inspeção mineira. A Zhejiang New Leading Navigation Intelligent Technology Co., Ltd., listada entre os coautores do artigo, já forneceu suporte industrial para a implementação de engenharia da estrutura QRIVAS em robôs quadrúpedes — desde a validação do protótipo no laboratório universitário até ao desenvolvimento de produtos industriais pela empresa, o caminho para a transferência de tecnologia está a ser desbravado.

Abrir um novo caminho para a redução de custos e aumento da eficiência a partir de um "dilema"

O dilema enfrentado atualmente pelas minas — "não inspecionar: grandes riscos de segurança" versus "alta frequência de inspeção: custos de mão de obra disparados" — está a agravar-se. Uma vez concretizada a implementação em larga escala de robôs de inspeção inteligentes quadrúpedes, serão gerados múltiplos benefícios sistémicos:

Ao nível da segurança — Substitui a entrada humana em espaços confinados, zonas de gases tóxicos e nocivos, áreas de extração já exploradas e outras regiões de alto risco, reduzindo fundamentalmente a probabilidade de acidentes de segurança pessoal.

Ao nível da eficiência — Inspeção contínua 24 horas por dia, substituindo a inspeção fatigada por uma recolha de dados de consistência excelente, permitindo que os eventos de risco passem do "registo posterior" para a "deteção em tempo real — alerta imediato".

Ao nível dos custos — Liberta os inspetores de alto nível dos ambientes de alto risco na linha da frente para centros de controlo remoto. Uma vez concretizada a operação de múltiplas máquinas por uma única pessoa, o total de horas de trabalho e os custos globais diminuirão drasticamente.

Com base na visão estratégica proposta pelos resultados da investigação do QRIVAS de que "os sistemas robóticos impulsionados por IA transformam as práticas tradicionais de manutenção de infraestruturas", a mineração subterrânea poderá tornar-se a pista industrial chave onde esta rota tecnológica alcançará primeiro uma aplicação em escala real.