A robótica costuma exigir duas coisas que a maioria dos desenvolvedores não tem: hardware caro e software fechado. A Pollen Robotics, equipe de robótica da Hugging Face sediada em Bordeaux, está tentando derrubar as duas barreiras de uma vez. Nesta semana, a empresa abriu a pré-venda do Microduck, um robô bípede de 25 centímetros em que cada movimento — andar, sentar, chutar, andar de patins, se levantar após uma queda — é uma política neural treinada em simulador físico e exportada para o hardware. O preço: US$ 399.
Por que isso importa agora
O diferencial do Microduck não é o robô em si, mas o que vem junto: o loop de treinamento completo. Ambientes de treino, funções de recompensa, ajustes de domain randomization e a receita de sim-to-real estão todos públicos no GitHub. Em vez de acreditar em um vídeo de demonstração, qualquer pessoa pode reproduzir — e modificar — como o robô aprende a se mover. Isso reduz drasticamente o custo de entrada para quem quer pesquisar aprendizado por reforço (RL) aplicado a robótica, inclusive no Brasil, onde o dólar torna o preço final mais salgado, mas o código aberto elimina a parte mais cara da curva de aprendizado.
O hardware em detalhes
O Microduck tem 25 cm de altura, 14 cm de largura e menos de 800 gramas. Carrega 15 motores distribuídos entre pernas, pescoço e cabeça, além de um bico articulado capaz de pegar objetos do chão. O processamento fica por conta de um Rockchip RK3566 com acelerador de IA, 1 GB de RAM e 32 GB de armazenamento.
O conjunto de sensores é surpreendentemente completo para a faixa de preço: câmera frontal, dois IMUs (um no corpo, um na cabeça), um LiDAR compacto (matriz time-of-flight 8×8), microfone, alto-falante, duas antenas NFC, Wi-Fi e Bluetooth. A bateria NP-F550 removível de 2600 mAh garante cerca de uma hora de autonomia. Sete movimentos treinados já vêm de fábrica, controlados por um gamepad antes de você escrever uma linha de código.
Como os comportamentos são treinados
As políticas são treinadas no repositório microduck_rl, construído sobre o mjlab (MuJoCo Warp) com o algoritmo PPO. A Pollen relata que um passo utilizável leva de uma a duas horas em uma GPU CUDA, rodando em 4096 ambientes paralelos. Sem GPU local, o flag --hf-jobs executa o mesmo comando em Hugging Face Jobs na nuvem.
O trabalho de sim-to-real está no modelo do atuador: cada servo usa o modelo BAM M6 do Dynamixel XL330 — com lei de controle de tensão, back-EMF e atrito de Coulomb, Stribeck e dependente de carga — em vez de um controlador PD ideal. A randomização por ambiente cobre tensão da bateria, queda de tensão sob carga, atraso de comando e magnitude de atrito, além de variantes de folga (±1°) em cada um dos 14 eixos do layout de RL.
Toda política compartilha uma observação de 61 dimensões: 48 de propriocepção, mais comandos de deslocamento (3), pose da cabeça (4) e pose do corpo (6). Esse contrato compartilhado é o que permite trocar políticas em tempo de execução — andar, se recuperar e executar truques podem alternar no meio da operação.
Principais conclusões
- Bípede open source de US$ 399, com pré-venda aberta em 27 de agosto de 2026 e entregas previstas antes do Natal.
- 15 motores, câmera, LiDAR, dois IMUs, NFC, Wi-Fi/Bluetooth, RK3566 e cerca de 1 hora de autonomia.
- Treino com PPO em mjlab/MuJoCo Warp, levando de 1 a 2 horas para um passo a 4096 ambientes paralelos.
- O software é Apache-2.0, mas os arquivos de design mecânico e eletrônico não são abertos.
O Microduck segue o Reachy Mini — que já vendeu mais de 10 mil unidades — mas inverte sua premissa: enquanto o Reachy Mini foi feito para ficar na mesa e interagir, o Microduck foi feito para sair da mesa, cair e se levantar sozinho. É um sinal claro de que a robótica educacional e de pesquisa está caminhando para ser mais barata, mais aberta e mais reprodutível.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
