As ondas cerebrais são o próximo desbloqueio para a IA física? | TechCrunch
https://techcrunch.com/2026/07/26/are-brain-waves-the-next-unlock-for-physical-ai/
A fronteira da IA física é um jogo Jenga em um armazém em San Leandro, Califórnia.
Esse armazém é ocupado por Encordar, uma empresa que cria ferramentas de dados usadas para treinar modelos de IA. Andrew Ceja é um piloto —termo usado pela empresa para seus treinadores robóticos— e puxa cuidadosamente blocos de madeira de uma torre cambaleante enquanto usa um fone de ouvido com uma câmera que rastreia o que ele vê. Isso por si só é bastante comum para coletar dados de treinamento de robôs, mas este fone de ouvido inclui sensores que medem suas ondas cerebrais enquanto ele desmonta cuidadosamente a torre de blocos.
A Encord faz parte de um pequeno, mas crescente número de startups que apostam que a próxima restrição real à robótica humanoide e de armazém não será a arquitetura de modelos, mas sim a escassez de dados de treinamento físico do mundo real. Em vez de apenas ajudar as empresas de robótica a gerenciar os dados que possuem, a Encord está construindo um negócio em torno da fabricação dos dados que não possuem.
O fone de ouvido de ondas cerebrais que Ceja está usando foi construído por Laboratórios Zander, uma startup alemã de neurociência que aposta na medição da atividade cerebral — para deduzir estados mentais como erro, intenção e surpresa — pode criar um conjunto de dados mais útil para treinar modelos. O trabalho de Encord com Zander é atualmente um teste; Encord diz que o objetivo é construir um conjunto inicial de dados marcados por ondas cerebrais, executá-lo em modelos robóticos de clientes e avaliar se ele realmente melhora o desempenho antes de decidir se deve ampliá-lo.
Lucas Gehrke, neurocientista de Zander que supervisiona o trabalho, diz que a quantidade de atividade cerebral usada em qualquer momento durante uma determinada tarefa oferece pistas para os construtores de modelos que tentam descobrir quando precisam implantar seus modelos de maior esforço.
Essa é a “vanguarda” do esforço para resolver o gargalo de dados da robótica, de acordo com Vineeth Velmurugan, chefe de aprendizado de robôs da Encord. Veterano do laboratório de robôs da OpenAI e da Berkshire Grey, a empresa de automação de armazéns, Velmurugan juntou-se à Encord para construir a equipe interna de criação de dados da empresa.
A Encord foi fundada para ajudar empresas que criam aplicativos de visão computacional a anotar dados e avaliar modelos. À medida que seus clientes —Velmurugan diz que eles trabalham com muitas empresas líderes em robótica, mas não está autorizado a nomeá-las— começaram a aplicar o aprendizado de ponta a ponta às tarefas de manipulação robótica, os executivos perceberam que teriam que produzir dados de treinamento eles mesmos, em vez de simplesmente gerenciá-los. “Os dados simplesmente não existem”, disse Velmurugan.
O próprio modelo da OpenAI se tornou desonesto antes de Kimi fazer Wall Street suar | Equity Podcast
0 of 37 minutes, 12 secondsVolume 0%
Press shift question mark to access a list of keyboard shortcuts
Shortcuts Open/Close/ or ?
Play/PauseSPACE
Increase Volume↑
Decrease Volume↓
Seek Forward→
Seek Backward←
Captions On/Offc
Fullscreen/Exit Fullscreenf
Mute/Unmutem
Decrease Caption Size-
Increase Caption Size+ or =
Seek %0-9
00:14
36:57
37:12
A aposta de que a IA generativa pode fazer pelos robôs o que fez pelos chatbots continua batendo na mesma parede. As próprias empresas de automóveis autônomos coletam dados do mundo físico, mas isso é difícil de escalar. O treinamento a partir de vídeo pode funcionar, mas carece da fidelidade dos dados do mundo real. Velmurugan diz que será necessário um conjunto de dados com algo em torno de cinco vezes o tamanho do corpus de vídeos do YouTube para avançar—, uma escala que ajuda a explicar por que a geração de dados em si se tornou um negócio e não apenas um problema de pesquisa.
Alimente suas necessidades egocêntricas de dados
As empresas que constroem cérebros de robôs estão agora a recorrer a duas fontes principais: vídeo “egocêntrico” recolhido por trabalhadores que usam câmaras, muitas vezes aumentado com ângulos de câmara adicionais e outras métricas, e dados de robôs operado remotamente. A Encord faz as duas coisas: extrai dados egocêntricos de diversas fábricas ao redor do mundo e usa suas instalações em San Leandro para experimentar novas modalidades, como ondas cerebrais, ou coletar conjuntos de dados sobre habilidades específicas para ajuste fino.
Quando o TechCrunch visitou o local, os pilotos estavam usando equipamentos líder-seguidor — braços robóticos pareados, um controlado diretamente por um operador humano e outro que imita seus movimentos —para criar dados sobre tarefas como despejar café de uma cafeteira em canecas (muito encharcadas) e empilhar fichas de pôquer. “Todas as empresas humanoides nos pediram essas peças”, diz Velmurugan.
As prateleiras de armazenamento continham caixas de flores falsas em vasos, livros, vegetais de plástico, bandejas e colheres de areia para gatos, sacos e feixes de fios, estoque comercial para treinamento de manipuladores para tarefas domésticas.
Em uma dessas estações, outra piloto, Sofia Infante, manobra braços robóticos para conectar e desconectar cabos Ethernet da parte traseira de um servidor —o tipo de trabalho que os operadores de data center adorariam que fosse automatizado, se ao menos os robôs pudessem manipulá-los com a precisão necessária. Dando uma volta atrás dos controles, pude ver por que isso ainda está fora de alcance: as pinças são muito menos hábeis que os dedos humanos e não têm os graus de liberdade que consideramos garantidos em nossos braços.
Outra nova modalidade de dados que a Encord está desenvolvendo usa um conjunto de sensores presos ao antebraço para detectar sinais elétricos nos músculos. O vídeo feito de mãos humanas manipulando objetos normalmente não captura a mão inteira, mas Velmurugan espera construir uma representação 3D de onde a mão está a qualquer momento com base nos sensores do braço, criando uma compreensão mais robusta para os modelos.
Encord’s data sets are annotated with physical descriptions of what each video contains—”right hand tightens bolt”—to aid LLM-based models in understanding what is happening. Velmurugan estimates this kind of dense annotation is worth 100 times as much as “junky ego data” for training specific tasks, and it only costs 20 times more to produce, which is a good trade, on paper.
But “20 times more” is still real money, and that’s the catch: scraping text off the internet, the way LLM makers built their models by pulling from Stack Overflow and the rest of the web, cost frontier labs next to nothing. Generating physical training data does not, and that’s the limit of the physical-AI-as-LLM comparison. This kind of data has to be manufactured, not just collected, and that changes the economics of building these models.
Velmurugan says that progress is being made—with Encord’s visibility into programs across the industry, he’s able to see start-ups and frontier labs alike figure out what works and what doesn’t to improve physical AI models. That vantage point—sitting between many robotics companies at once—is also part of Encord’s pitch. It can spot which data techniques are gaining traction industry-wide before any single customer can.
That will keep the dozen or so pilots at Encord’s facility busy. Both Infante and Ceja are part of a burgeoning workforce developing the building blocks for neural networks; they previously worked at Scale, another AI data annotation firm, before joining Encord.
Ceja had worked at a waste management company where his interest in technology found him in charge of keeping a robotic trash sorter in good working order. Now, as the Jenga tower topples, he says he enjoys the challenge of solving training tasks for robots —”It’s something new every day!”
Tim Fernholz
Senior Reporter
Tim Fernholz is a journalist who writes about technology, finance and public policy. He has closely covered the rise of the private space industry and is the author of Rocket Billionaires: Elon Musk, Jeff Bezos and the New Space Race. Formerly, he was a senior reporter at Quartz, the global business news site, for more than a decade, and began his career as a political reporter in Washington, D.C. You can contact or verify outreach from Tim by emailing tim.fernholz@techcrunch.com or via an encrypted message to tim_fernholz.21 on Signal.