Humanoide da KAIST empurra 35 kg e levanta 20 kg enquanto caminha, guiado pelas suas câmaras
O laboratório DRCD da KAIST divulgou um vídeo do Humanoid v0.9 a empurrar objetos de 35 kg e a levantar 20 kg enquanto caminha, usando o retorno das suas câmaras em vez de captura de movimento externa. O laboratório atribui as competências de interação à aprendizagem por reforço profunda e à aprendizagem a partir de demonstrações humanas.
O Dynamic Robot Control & Design Laboratory da KAIST divulgou a 19 de outubro um vídeo intitulado Whole-Body Locomanipulation with KAIST Humanoid v0.9, no qual a máquina empurra objetos de até 35 kg e levanta até 20 kg enquanto caminha, usando o retorno das câmaras de bordo para dispor as letras K-A-I-S-T. Os braços vêm de um colaborador, o RAILAB.
O número mais pequeno é o que merece atenção. Mover um objeto de 35 kg ao longo de uma superfície nunca pede ao robô que suporte o seu peso, e a resistência depende do contacto; levantar 20 kg é um teste distinto daquilo que os braços conseguem segurar. Citar o valor do empurrão como carga útil exagera a máquina, e citar qualquer dos dois como classificação é prematuro, porque o laboratório apresenta ambos como demonstrações e não como especificação comercial.
Equilíbrio e força são agora o mesmo problema
A locomanipulação de corpo inteiro significa que as pernas, o tronco e os braços são coordenados contra uma única restrição de equilíbrio: empurrar através dos braços desloca o centro de massa, por isso as pernas têm de responder por isso. É por isso que uma demonstração de empurrão continua a ser útil mesmo não sendo um teste de carga útil. A plataforma v0.9 parte da v0.7, uma máquina de 75 kg e 165 cm que corria a 12 km/h e andava em terreno irregular apenas com deteção proprioceptiva, e cujas demonstrações de moonwalk e de futebol circularam no início de 2026.
A alegação de autonomia precisa de um limite
A KAIST diz que as competências de interação vêm de aprendizagem por reforço profunda em conjunto com aprendizagem a partir de demonstrações humanas. A descrição do vídeo não detalha como os dois métodos são combinados nem como uma tarefa é comandada, pelo que o retorno visual de bordo, por si só, não deve ser lido como autonomia sem restrições. A Tech Times enquadra o empurrão de 35 kg como aproximadamente o dobro do melhor resultado publicado para um humanoide a manipular a partir da visão de bordo, uma comparação que vale a pena manter ao nível das figuras publicadas.
O que a v0.9 muda é que uma plataforma de investigação conhecida pela marcha ágil passa a fazer trabalho físico guiado visualmente sem equipamento de captura de movimento. Se isso se mantém é uma questão para tarefas repetidas no chão de fábrica, o passo que nenhum vídeo de demonstração resolve.
Fontes Fontes verificadas
- 1.Humanoids Daily: From Moonwalking to Heavy Lifting: KAIST Humanoid v0.9 Moves 35 kg Objects (Oct 19, 2026)humanoidsdaily.com
- 2.Tech Times: KAIST Humanoid Pushes Objects Up to 77 Lbs While Walking, No External Cameras (Oct 20, 2026)techtimes.com
- 3.Gadget Review: KAIST Humanoid v0.9 Robot Pushes 77 Pounds and Lifts 44 While Walkinggadgetreview.com
Análises relacionadas
Mais em IA incorporada e modelos fundacionaisLindon Gao, da Dyna, diz que um fluxo de trabalho que funcione equivale a todos e mudou o gasto para o pré-treino
O fundador e CEO da Dyna Robotics, Lindon Gao, disse a Zhang Xiaojun no episódio 154 do podcast 商业访谈录 (Entrevistas de negócios) que o pré-treino consome hoje muito mais recursos da empresa do que o pós-treino, quando antes eram divididos igualmente. A publicação da Dyna de 29 de setembro sobre o Dyna-2.1 diz que um ciclo de lavanderia encadeia cerca de 79 passos e que, com 95% por passo, quase nunca termina sem ajuda, e o robô que ela apresentou, o Taku, rodou um fluxo de lavanderia autônomo de uma hora sem cortes.
Gemini 4 Argon obtém 87% em raciocínio incorporado, mas leva 52 minutos por tarefa com braço real
O Google disponibilizou o Gemini 4 Argon globalmente em 13 de outubro e agrupou seus usos robóticos em controle do robô, Real2Sim, compreensão física e pesquisa e autoaperfeiçoamento. O AA-Robotics v0.1, da Artificial Analysis, deu 55,3 de 100 ao Argon ao dirigir um braço real em oito tarefas de mesa, cerca de 100 vezes mais lento que um humano, enquanto a Physical Intelligence abriu no mesmo dia uma beta de API para ajustar seus modelos π0 e π0.5 na infraestrutura da Pi.
LoopWAM ganha 19.7 pontos em robôs reais ao retreinar com seus próprios rollouts rotulados
O LoopWAM é um modelo de ação-mundo em circuito fechado da Universidade de Tsinghua, da Dexmal e da Loopeva que pontua cada rollout por qualidade e dá às trajetórias malsucedidas supervisão de vídeo mas nenhuma de ação. Ele lidera o Table30-V2 do RoboChallenge com 43.33% de sucesso, 2.67 pontos acima da entrada VLA-DM0.5 de sua própria tabela e 0.33 ponto acima dos 43.0% que a Dexmal publica para o DM0.5.
Newsletter
Robrief Weekly
Um e-mail por semana com as notícias de robótica que importam. Grátis, cancele quando quiser.