🤖 Humanoides: Figure, Tesla, Unitree, GR00T

A tese do humanoide é simples e poderosa: o mundo já foi construído para a forma humana. Maçanetas, escadas, ferramentas, bancadas e veículos pressupõem duas mãos, dois pés e altura de pessoa. Um robô humanoide opera nesse estoque mundial de infraestrutura — brownfield — sem reformá-lo, ao contrário de braços fixos que exigem células dedicadas.

GR00T é o foundation model aberto da NVIDIA para humanoides. O N1 inaugurou um modelo de fundação cross-embodiment com sistema dual — um módulo de raciocínio lento (System 2, baseado em VLM) e um módulo de ação rápido (System 1, baseado em difusão). O N1.5 refinou seguimento de instrução e generalização. A NVIDIA acopla a isso o pipeline Isaac GR00T + Cosmos para gerar dados sintéticos e neural-trajectories em massa.

GR00T N1 — pilha de dados (pirâmide)
  topo:  poucas demos reais (teleoperação)      ← fidelidade
  meio:  dados sintéticos (Isaac/Cosmos)        ← escala física
  base:  vídeo humano web + neural trajectories ← semântica / amplitude
=> cross-embodiment: 1 modelo treinado para muitos corpos

Helix, da Figure, é um VLA hierárquico que rodou onboard num humanoide. O System 2 (VLM de internet, ~7-9 Hz) entende cena e instrução e emite um vetor latente; o System 1 (política visuomotora, ~200 Hz) decodifica esse latente em controle contínuo de torso, cabeça e mãos hábeis. Foi um dos primeiros a controlar o tronco superior completo de um humanoide com um único VLA — e a rodar dois robôs colaborando com um mesmo modelo.

Optimus é a aposta da Tesla em um humanoide reusando a infraestrutura de IA do FSD: redes de visão end-to-end, compute proprietário e cultura de coleta de dados em escala. A estratégia é começar pela manufatura interna (mover peças nas próprias fábricas), gerando dados de teleoperação verticalmente integrados antes de escalar para fora.

A Unitree mudou o jogo da pesquisa ao lançar humanoides de baixo custo: o H1 (full-size, locomoção ágil) e o G1 (~1,27 m, a partir de ~US$ 16k). De repente, laboratórios sem orçamento de milhões puderam rodar políticas em hardware real. O resultado foi uma explosão de papers de locomoção e loco-manipulation usando G1/H1 como plataforma padrão.

A fronteira do humanoide não é caminhar nem agarrar isoladamente — é fazer os dois ao mesmo tempo. O whole-body control coordena marcha, equilíbrio e braços num só controlador, geralmente com RL para locomoção robusta em terreno variado e uma política de manipulação acoplada. Manipular enquanto se equilibra é o que separa uma demo viral de utilidade econômica real.