Nature Will apresenta Natura-1, modelo de 50 B para mãos robóticas

Nature Will, startup chinesa focada em inteligência física geral, anunciou no dia 13 de outubro o modelo fundacional Natura-1. Trata‑se de um modelo de mistura de especialistas com 50 bilhões de parâmetros, pré‑treinado em mais de um milhão de horas de vídeo egocêntrico que captura atividades humanas.

Como o modelo funciona

Segundo a empresa, Natura-1 recebe como entrada linguagem natural e imagens, e gera comandos para mãos robóticas com 20 graus de liberdade. O pré‑treinamento em dados humanos permite que o modelo aprenda habilidades que ainda não são viáveis de coletar com robôs, que operam apenas em ambientes já conhecidos.

Após essa fase, a equipe adaptou o modelo a mãos robóticas usando um conjunto limitado de dados de manipulação robotizada. O corpus curado inclui um milhão de horas de trajetórias de ação condicionadas por linguagem, filtradas para anomalias de sensores e anotadas hierarquicamente, desde metas gerais até passos individuais.

Desempenho e infraestrutura

Nature Will relata que o modelo recupera poses 3D densas de mãos a partir de vídeo monocular e estéreo, armazenado em um data lakehouse de dezenas de petabytes. O treinamento foi realizado em centenas de GPUs, com mais de 50 % de utilização de FLOPs, por meio de um motor distribuído próprio.

Na inferência, uma camada de orquestração escrita em Rust e kernels CUDA fundidos mantêm um ciclo de 100 ms entre observação e ação em hardware físico. Em demonstrações, o modelo segue instruções complexas em linguagem natural, incluindo restrições espaciais, relações entre objetos e condições negativas, realizando tarefas como dobrar materiais finos, escrever caligrafia com pincel macio e trocar ferramentas em sequências multi‑etapa.

Em um benchmark interno de doze dimensões de manipulação dextrosa, executado em robôs de dois braços com mãos avançadas, Natura-1 alcançou pontuação 53,4 na configuração base e 59,1 na configuração agentic. Os dois baselines comparados não conseguiram pontuar com mãos dextrosas, obtendo 13,5 e 16,7 apenas em plataformas com garras.

Os resultados ainda não foram reproduzidos por terceiros; a empresa destaca que apenas seis tarefas de longo horizonte foram ajustadas adicionalmente, enquanto as demais utilizam os mesmos pesos.