De acordo com pt.wedoany.com-A equipe de robôs PrismBot, da vivo, venceu a categoria "Raciocínio para Ação" no Desafio Mundial AGIBOT ICRA 2026, realizado em Viena. O evento, parte da Conferência Internacional IEEE sobre Robótica e Automação, atraiu 526 equipes de 27 países e regiões. A equipe da vivo conquistou o primeiro lugar na final com robôs reais com uma vantagem decisiva, demonstrando a capacidade de sua abordagem técnica de transformar a compreensão de tarefas em decisões de ação em ambientes complexos do mundo real.
A equipe de robôs da vivo também ficou entre as três primeiras globalmente na categoria de Controle Corporal Total, refletindo ainda mais sua força em P&D no campo da inteligência incorporada. Esses resultados refletem a direção estratégica da vivo: construir sistemas de percepção baseados em tecnologia de imagem e desenvolver um "cérebro" robótico impulsionado por IA para trazer capacidades inteligentes ao mundo físico. Hu Baishan, presidente e diretor de operações da vivo, e diretor do Instituto Central de Pesquisa da vivo, delineou essa estratégia no Fórum de Boao para a Ásia de 2026.
O Desafio Mundial AGIBOT é uma das competições internacionais mais exigentes no campo da inteligência incorporada, enfatizando a implantação no mundo real e usando testes rigorosos com robôs reais para avaliar o desempenho do sistema. A categoria "Raciocínio para Ação" foca no desafio central de transformar a compreensão de tarefas em decisões de ação, combinando avaliação por simulação online e testes offline com robôs reais em Viena, com pontuação baseada na taxa de conclusão de tarefas em ambientes reais, estabilidade de longo prazo e capacidade de generalização em cenários complexos. Os modelos participantes precisam completar de forma independente a compreensão de intenções, decomposição de tarefas, ordenação de subobjetivos e recuperação de anomalias, e então traduzir o processo de decisão em execução física por meio de braços robóticos. A equipe de robôs da vivo desenvolveu uma estrutura de treinamento e inferência centrada em otimização de quadros-chave e aprendizado contrastivo. A ponderação de perda de quadros-chave ajuda o modelo a aprender pontos de ação críticos de forma mais eficaz, enquanto o aprendizado contrastivo reduz a lacuna semântica entre instruções baseadas em texto e a execução de ações físicas.
Na categoria de Controle Corporal Total, os robôs precisam pegar autonomamente produtos específicos em um cenário realista de supermercado e colocá-los em um carrinho de compras, lidando com diversas categorias de produtos, layouts espaciais variáveis e compreensão semântica complexa e generalização de ações. A equipe de robôs da vivo aplicou o mesmo sistema técnico centrado em raciocínio a este cenário, usando ponderação de perda de quadros-chave para melhorar a precisão da pegada e aprendizado contrastivo para identificar melhor a direção da pegada, garantindo assim um lugar entre os três primeiros. Este resultado validou a transferibilidade e robustez de engenharia da abordagem técnica da vivo em diferentes tipos de tarefas.
A vivo considera o lar como ponto de partida para a P&D de robôs, pois o ambiente doméstico exige altos níveis de tarefas de longo prazo, colaboração com dois braços, operação precisa, raciocínio e tomada de decisão, capacidades que se alinham estreitamente com as testadas no ICRA 2026. A equipe de robôs da vivo está avançando da operação remota para a inteligência autônoma, aumentando gradualmente a executabilidade e a capacidade de verificação escalável de tarefas complexas. Com base em sua experiência em sistemas de dispositivos, capacidades de imagem e desenvolvimento global de produtos, a vivo está construindo um sistema de capacidades robóticas que combina hardware e software e evolui continuamente ao longo do tempo.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
