Physical AI
A IA física permite que robôs, veículos e outras máquinas percecionem o mundo real, raciocinem sobre ele e atuem nele. Abrange a pilha tecnológica, o treino e as aplicações.
IA física é a inteligência artificial (IA) que percebe, raciocina e age no mundo físico por meio de um corpo: robôs, drones, veículos autônomos e máquinas industriais inteligentes. A saída de um chatbot é texto em uma tela; a saída de um sistema de IA física é um comando para um motor, cujo resultado depende do atrito, da gravidade, de colisões e das pessoas por perto. Por isso, o sistema precisa compreender o espaço 3D e as relações de causa e efeito o suficiente para agir com segurança em tempo real. A NVIDIA tornou o termo central em suas plataformas de robótica e simulação, e ele se difundiu quando grandes modelos pré-treinados começaram a controlar robôs reais. É quase sinônimo de IA incorporada, o termo mais antigo usado em pesquisa, enquanto IA física é mais comum na indústria.
Como funcionam os sistemas de IA física#
Todo sistema de IA física fecha um ciclo entre percepção e ação muitas vezes por segundo:
- Percepção por sensores: Câmeras, lidar, radar, unidades de medição inercial, codificadores de juntas e sensores de força medem o mundo e o estado da própria máquina.
- Percepção: Modelos de visão transformam pixels brutos em objetos, profundidade, poses e mapas sobre os quais um planejador pode raciocinar.
- Tomada de decisão: Planejadores, políticas aprendidas ou grandes modelos fundamentais de robótica escolhem a próxima ação.
- Atuação: Motores, garras, rodas e freios executam a ação, e os sensores medem seu efeito na etapa seguinte.
A fusão de sensores combina os pontos fortes de diferentes sensores; a visão computacional realiza a maior parte do trabalho de percepção, e as decisões vêm de controladores como o controle preditivo baseado em modelo, políticas treinadas com aprendizado por reforço ou modelos fundacionais de robótica. Esses modelos fundacionais cada vez mais dividem a tomada de decisão entre um modelo mais lento, que interpreta as instruções e a cena, e um modelo mais rápido, que gera comandos para os motores, como no modelo humanoide aberto GR00T N1 da NVIDIA, que combina um modelo de visão e linguagem com um módulo de ação separado:
Modelos de visão-linguagem-ação (VLA) reúnem as duas funções em uma única rede. O RT-2 da Google DeepMind mostrou em 2023 que um modelo de linguagem e visão ajustado para gerar ações robóticas como tokens transferia para o controle o conhecimento adquirido com dados da web. O π0 da Physical Intelligence acrescenta um especialista em ações baseado em correspondência de fluxo, semelhante em espírito às políticas de difusão, que gera blocos de ações suaves com muitas etapas futuras de uma só vez; os modelos Gemini Robotics da Google DeepMind ampliam a abordagem para tarefas hábeis de várias etapas, como dobrar origami.
Da percepção à ação no código#
A percepção é o primeiro elo do ciclo, e sua velocidade limita a rapidez com que a máquina pode reagir. O Ultralytics YOLO26 foi projetado para esse papel de borda e é executado em computadores robóticos como o NVIDIA Jetson após a exportação TensorRT. Este exemplo detecta pessoas em um quadro de câmera e transforma a detecção mais confiante em um comando de direção com um controlador proporcional, a forma mais simples de servo visual:
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
# Perceive: detect people (COCO class 0) in the robot's camera frame
results = model("https://ultralytics.com/images/bus.jpg", classes=[0])
result = results[0]
# Act: steer toward the most confident person with a proportional controller
best = int(result.boxes.conf.argmax())
x_center = float(result.boxes.xywhn[best, 0]) # 0 = left edge of the frame, 1 = right edge
turn_rate = -1.5 * (x_center - 0.5) # rad/s; positive turns left, toward a person on the left
print(f"Person at {x_center:.2f} of frame width -> turn command {turn_rate:+.2f} rad/s")Ele imprime a posição da pessoa escolhida no quadro e um comando de giro cujo sinal aponta o robô em sua direção e cuja intensidade aumenta com o deslocamento. Em um robô, as mesmas duas etapas são executadas a cada quadro da câmera, de modo que o comando cai para zero à medida que o robô gira para ficar de frente para o alvo.
Treinamento de IA física#
Os dados são o principal gargalo: a internet contém trilhões de palavras, mas pouquíssimas gravações de robôs em ação, e cada gravação está vinculada ao corpo e aos sensores de um robô específico. As equipes coletam demonstrações de teleoperação, nas quais pessoas conduzem o robô durante uma tarefa enquanto seus sensores e comandos são registrados, e treinam políticas para imitá-las. Simuladores de física como o NVIDIA Isaac Lab executam milhares de robôs em paralelo para a aprendizagem profunda por reforço, usando randomização de domínio da física e da aparência para reduzir a diferença entre simulação e realidade. Cenas renderizadas e gêmeos digitais fornecem dados sintéticos rotulados de situações raras para modelos de percepção, e modelos de mundo geram novas variações de cenas gravadas, como a mesma rua na chuva ou à noite.
Aplicações no mundo real#
- Logística: Robôs móveis autônomos navegam por armazéns usando mapas que criam por conta própria e mudam de rota para evitar pessoas e empilhadeiras, enquanto veículos guiados automatizados seguem trajetos fixos.
- Manufatura: Braços guiados por visão pegam peças empilhadas aleatoriamente, montam componentes e inspecionam o próprio trabalho; robôs humanoides estão em projetos-piloto, movimentando caixas e peças.
- Saúde: Em 2025, o robô SRT-H da Johns Hopkins, treinado com vídeos de cirurgiões, realizou uma etapa fundamental da remoção da vesícula biliar em oito vesículas de porcos ex vivo, sem que uma pessoa controlasse seus braços, e respondeu a correções verbais.
- Agricultura: Robôs de colheita e capina identificam plantas individualmente com câmeras e agem sobre cada uma, por exemplo, removendo uma erva daninha sem pulverizar todo o campo.
- Condução: Robotáxis e sistemas de assistência ao motorista são as maiores frotas de IA física implantadas, percebendo o trânsito e controlando o veículo muitas vezes por segundo.
IA física e termos relacionados#
- Robótica: Campo da engenharia que projeta e constrói robôs, incluindo mecânica, eletrônica e controle. IA física é a inteligência aprendida que percebe e decide; ela também opera veículos e máquinas que não são chamados de robôs.
- IA generativa: Produz texto, imagens, vídeos e código. Suas técnicas também alimentam a IA física, desde modelos de difusão que geram movimentos robóticos até modelos de mundo que geram cenas de treinamento.
- Inteligência espacial: Capacidade de compreender e raciocinar sobre o espaço 3D, os objetos e suas relações, uma habilidade da qual a IA física depende.
- IA de borda: Executar modelos no próprio dispositivo. A IA física quase sempre é IA de borda, pois um robô não pode esperar uma ida e volta pela rede antes de frear.










