A programação tradicional de robôs é difícil de escalar. Cada nova tarefa exige orquestrar percepção multimodal, dinâmica de contato físico, configurações diversas e tratamento de falhas manualmente. Sistemas de código como política (code-as-policy) permitem que modelos de linguagem componham programas robóticos executáveis, tornando o comportamento do robô inspecionável, editável e depurável.
Mas os agentes de codificação robótica atuais operam em ambientes ingênuos: recebem apenas feedback grosseiro de sucesso ou falha, sem entender a causa raiz — pode ser percepção, planejamento de movimento, agarre ou coordenação de longo horizonte. Pior ainda: descartam todos os aprendizados ao final de cada tarefa. O agente que resolve sua centésima tarefa não é mais experiente do que na primeira.
É aí que entra o ASPIRE.
O que é o ASPIRE
Uma equipe de pesquisadores da NVIDIA, University of Michigan, UIUC, UC Berkeley e CMU apresentou o ASPIRE (Agentic Skill Programming through Iterative Robot Exploration), um sistema de aprendizado contínuo que escreve, refina e depura programas de controle para robôs. O diferencial está no que ele faz depois: as correções validadas são destiladas em uma biblioteca de habilidades reutilizável e transferível entre tarefas.
Como funciona
O ASPIRE opera em um ciclo de aprendizado contínuo com três componentes principais, usando uma arquitetura de coordenador-ator:
Motor de execução em malha fechada: substitui o feedback grosseiro de rollout por rastros multimodais por primitiva. Para cada chamada de percepção, planejamento e controle, armazena entradas, saídas, status de retorno, keyframes RGB, candidatos de agarre, poses de objetos e resultados de planejamento de movimento. O agente inspeciona apenas as chamadas implicadas em uma falha, localiza a causa e valida o reparo por re-execução — algo que um robô real com câmera também poderia fazer.
Biblioteca de habilidades: o conhecimento reutilizável raramente é um programa de tarefa completo. A biblioteca armazena correções heterogêneas: heurísticas de localização, prompts de percepção, restrições de agarre, primitivas de movimento e fluxos de depuração. Cada habilidade é uma orientação compacta em contexto, com assinatura de falha, condição de aplicação e estratégia de reparo.
Busca evolutiva: para evitar que o agente caia em ciclos de reparo local, o ASPIRE propõe K programas candidatos a cada rodada, condicionados nos melhores programas anteriores e seus rastros de falha restantes. Assim, cada rodada explora estratégias distintas em vez de refinar uma única solução.
Na simulação, o agente de codificação usa Claude Code com Claude Opus 4.6 e janela de contexto de 1 milhão de tokens. Os programas são escritos em CaP-X, um framework open-source de code-as-policy baseado no MuJoCo Playground. O agente não pode ler o estado interno do simulador ou arquivos de asset (.bddl, .xml, .urdf) — a regra é: se um robô real com câmera consegue fazer, está permitido.
Resultados nos benchmarks
O ASPIRE foi avaliado em três famílias de benchmark:
- LIBERO-Pro: ganhou até 77 pontos na suíte Object e 41,5 pontos em Goal, contra o baseline mais forte.
- Robosuite: a tarefa de handover bimanual saltou de 20% para 92%.
- BEHAVIOR-1K: a tarefa de pegar um rádio subiu de 56% para 88%.
O resultado mais impressionante está na transferência zero-shot: reutilizando habilidades acumuladas no LIBERO-90, o ASPIRE atinge cerca de 31% em tarefas longas do LIBERO-Pro mantidas fora do treinamento. Métodos anteriores saturam em torno de 4%.
Transferência para robôs reais
A equipe testou três habilidades descobertas em simulação em uma estação YAM bimanual real. O agente de codificação do robô real foi o OpenAI Codex GPT-5.5. As habilidades transferidas reduziram o custo de depuração:
- Levantamento de lata: melhorou de 13/20 para 19/20 usando cerca de 10x menos tokens.
- Abertura de gaveta: passou de 0/20 para 11/20 — a baseline sem habilidades jamais teve sucesso nessa tarefa.
Por que isso importa
O ASPIRE representa um avanço significativo na direção de robôs que realmente aprendem com a experiência. Em vez de sistemas que cometem os mesmos erros repetidamente, o framework da NVIDIA constrói uma memória coletiva de correções que se acumula e se refina ao longo do tempo.
A arquitetura de coordenador-ator, onde apenas habilidades destiladas — não históricos completos de chat — transitam entre agentes, é um padrão arquitetural que pode influenciar outras áreas além da robótica. O fato de habilidades descobertas em simulação reduzirem o custo de depuração em hardware real, mesmo com embodiment e API diferentes, sugere um caminho promissor para reduzir o gap entre simulação e realidade — um dos maiores gargalos da robótica atual.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
