Simplexity Robotics treina robô i7 Pro para operar dois tornos CNC

A Simplexity Robotics, empresa de inteligência artificial corporificada, declarou ter treinado um único robô para operar dois tornos CNC de forma autônoma. O sistema executa o carregamento de peças em placas com cerca de 0,5 milímetro de folga e realiza o descarregamento após a usinagem. O trabalho foi apresentado por Feng Zongbao, chefe de aprendizado por reforço da companhia, durante o evento IROS 2026 em Pittsburgh, em 29 de setembro, com transcrição editada publicada pelo veículo Leiphone em 8 de outubro.

Treinamento e desafios em ambiente de fábrica

O treinamento do robô utilizou 600 trajetórias coletadas em robôs reais. Segundo a companhia, a tarefa exemplifica o conceito de robôs produzindo robôs, visto que componentes de precisão, juntas e placas são fabricados em máquinas CNC. Feng argumentou que o processo evidencia a lacuna entre testes de laboratório e a precisão exigida no chão de fábrica.

Entre as dificuldades listadas pela empresa estão a folga reduzida — que quase não permite erros de alinhamento —, superfícies metálicas reflexivas e texturas fracas que dificultam a visão computacional, além da semelhança entre peças e de superfícies de contato ocultas às câmeras dentro do ambiente de trabalho restrito.

Arquitetura do sistema e resultados de testes

A arquitetura desenvolvida pela startup divide-se em três componentes principais. O modelo de ação de mundo, chamado SimpleWAM, aprende a reconstruir quadros de vídeo futuros, estados 3D e blocos de ação durante o treinamento. No momento da inferência, o modelo recebe imagens atuais, estado 3D e instruções para gerar as ações diretamente. As informações fornecidas por câmeras de cabeça e de pulso são fundidas de maneira adaptativa. Em testes nominais, a abordagem fundida obteve 15 sucessos, contra 8 registrados por um modelo de referência π0.5 treinado com ajuste fino supervisionado.

Para manter o contexto em tarefas longas sem aumentar o uso de memória, a empresa utiliza a DRAM (Delta-Rule Recurrent Associative Memory), anexada a uma política pré-treinada congelada. O sistema também inclui o DPE, um avaliador treinado separadamente que pontua os blocos de ação propostos sem alterar a política principal, o que evita desvios. Como os dados visuais não revelam o encaixe completo da peça, leituras de força e torque alimentam o estado da política e um controlador de impedância em tempo real, auxiliando a recuperação quando o movimento direto é blocked.

A Simplexity Robotics relatou uma taxa de sucesso de 100% na tarefa de inserção de precisão nas máquinas CNC. A empresa ressaltou que esse índice se refere estritamente à etapa de inserção, e não ao rendimento total da célula de trabalho, e a apresentação não informou o número de testes por trás desse dado. A demonstração, exibida em velocidade cinco vezes superior à real, incluiu a preensão da peça, o carregamento da placa e a remoção e posicionamento do item acabado. O procedimento foi executado no robô sobre rodas i7 Pro, uma das quatro linhas de hardware da empresa, ao lado da plataforma para desenvolvedores SimpleClaw.