Agentes de programação já escrevem programas para robôs de fábrica a cinco pontos de um humano, mostra benchmark de Berkeley e NVIDIA

Agentes de programação com IA que escrevem o código de um robô, em vez de aprender o comportamento a partir de dados coletados, ficaram a cinco pontos de um programador humano em um novo conjunto de tarefas de fábrica da UC Berkeley e da NVIDIA. No VABAR, benchmark cujo código as equipes publicaram em 9 de novembro, oito modelos escreveram programas para cinco tarefas, entre elas pendurar ferramentas, embalar seringas e inserir cabos USB-C. Todos usaram a mesma biblioteca de 33 habilidades e receberam duas rodadas de retorno de um simulador físico. O Claude Opus 5.5 acertou 77% das vezes no total; o programa de referência escrito por uma pessoa, 82%. O grupo de Ken Goldberg e a NVIDIA apresentaram o trabalho nesta semana na CoRL 2026, em Austin, segundo o The Robot Report de 11 de novembro.

Em trabalhos em que as peças variam mas a célula de trabalho é conhecida, isso torna o código um caminho mais prático do que os modelos robóticos de ponta a ponta. A alavanca é a escolha do modelo de programação. "Modelos que começam a poucos pontos uns dos outros terminam 30 pontos distantes depois de duas rodadas de retorno", diz a página do VABAR. Depois dessas rodadas, os oito iam de 77% a 44%, do DeepSeek V4.

Basta mudar as peças de lugar para os VLA ficarem para trás

O sistema por trás do VABAR, o Graph-as-Policy (GaP), divide uma tarefa em nós de percepção, preensão e planejamento de movimento. Os agentes escrevem e conectam esses nós e ensaiam as variações em simulação antes de o programa rodar em um robô real. O resultado é código Python que chama módulos já existentes de um fabricante, como os da KUKA, para o controle de baixo nível. Nos testes simulados do artigo do GaP, os modelos visão-linguagem-ação foram bem quando os objetos quase não se moviam: π0.5 marcou 0,96 e MolmoAct2 0,97 no LIBERO, contra 0,95 do GaP. Quando os autores permutaram as posições dos objetos, π0.5 caiu para 0,15 e MolmoAct2 para 0,26, enquanto o GaP se manteve em 0,97. Em uma tarefa real de lavagem de caixas com dois braços, o GaP acertou 143 de 150 tentativas, contra 148 de um programa ajustado à mão por um especialista, e fez 18,33 ciclos bem-sucedidos por hora, contra 19,33.

A indústria já está testando a ideia. A Bosch avalia a abordagem para automação industrial, segundo o The Robot Report. Jeff Mahler, cofundador da Ambi Robotics, empresa que Goldberg assessora, disse que o método "converteu dados de produção em atualizações do comportamento dos robôs, aumentando o rendimento de toda a nossa frota nos EUA".

O argumento contrário está em quem deu as notas. Os mesmos laboratórios construíram o sistema, a biblioteca de habilidades, as tarefas e a referência humana. A pessoa venceu todos os modelos ao pendurar ferramentas, 87% contra no máximo 60%, e fez só 47% no roteamento de cabos, em que os oito modelos ficaram entre 72% e 83%. Os autores do VABAR dizem que um conjunto de testes mais difícil está a caminho. Quando equipes externas o rodarem em suas próprias células, ficará claro se a diferença de cinco pontos se sustenta.