Manuais de equipamentos industriais são escritos para humanos — um robô precisa de descrições explícitas de dispositivos, ações, estados e regras de segurança. Converter esse conhecimento tácito em instruções legíveis por máquina é o desafio central do MaCoPlanner, sistema de planejamento de tarefas assistido por LLM descrito em um preprint do arXiv de 28 de agosto de 2026.
Como funciona
O pipeline compila manuais de diferentes domínios de equipamento numa representação intermediária tipada, recupera evidências relevantes para a tarefa e o estado atual, verifica simbolicamente o plano antes da atuação e repara ou rejeita candidatos antes da execução física. Em 357 execuções de planejamento, o sistema rejeitou 26,3% dos candidatos — impedindo que planos não resolvidos chegassem à ação real.
Resultados nos benchmarks
A avaliação cobriu quatro domínios: controlador de motor, sistema de controle de gerador, controlador de laser e controlador de motor a combustão. Na conversão de manuais, a auditoria de 350 unidades reportou 97,14% de completude e 97,32% de consistência semântica, com 100% de completude nas cláusulas de segurança.
No benchmark de planejamento, o MaCoPlanner atingiu 93,5% de sucesso no Nível 1, 84,4% no Nível 2 e 43,2% no Nível 3 (o mais difícil), com taxa de violação de apenas 2,7%. Nos métodos comparados, o sucesso no Nível 3 ficou entre 25,9% (Raw-Manual) e 39,6% (SafePlan) — todos abaixo do MaCoPlanner.
Limites honestos
Os testes físicos usaram um simulador de painel de controle sem carga, não uma planta industrial real. O botão de emergência montado no painel foi a operação mais fraca, com 80% de sucesso — resultado que os próprios autores consideram insuficiente para operação sem supervisão. Em 25 ensaios físicos de horizonte longo, 23 foram concluídos e 19 na primeira tentativa.
Uma análise de backbone indicou o GPT-5 com os melhores resultados, o GPT-4o próximo e déficits maiores para modelos menores como o Gemma 3 conforme a complexidade aumenta. O código e os dados estão disponíveis publicamente no repositório do MaCoPlanner.
Por que isso importa
Para a indústria brasileira, o estudo é um sinal de que a automação robótica guiada por LLM está avançando rumo à confiabilidade — mas ainda longe do uso autônomo sem supervisão. A combinação de verificação formal com conhecimento derivado de manuais é promissora para operações complexas, porém os autores são claros: trata-se de um teste de viabilidade, não de um veredito de prontidão para produção.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
