Reward AI apresenta OM-1, robô treinado só com demonstrações humanas, sem teleoperação

A startup de robótica Reward AI — cujo time tem trabalhos anteriores como DexCap, HumanPlus e ALOHA — lançou o OM-1 (Omnibody Model 1), uma política de manipulação de propósito geral que aprende com humanos usando uma luva sensorizada e depois roda em braços industriais e humanoides na velocidade humana. O ponto que mais chama atenção: nenhum dado de teleoperação e nenhum dado de robô entram no treinamento.

Uma política, uma interface, qualquer corpo

O princípio central é “One Model, One Data Interface, Any Body” (um modelo, uma interface de dados, qualquer corpo). A maioria das políticas de fundação para robótica treina com dados de teleoperação ou coletados pelo próprio robô, o que amarra o conjunto de dados a um único corpo. A Reward AI argumenta que a manipulação em nível humano não virá de mais desses dados — e sim de uma pipeline integrada em que captura, aprendizado e controle são desenhados como um só sistema, permitindo que demonstrações gravadas hoje treinem corpos robóticos que ainda não existem.

Omnibody Hand: a luva de 7 graus de liberdade

A pilha começa pela Omnibody Hand, uma luva vestível que evolui o trabalho anterior da equipe em captura de movimento portátil. Em vez de copiar a mão humana articulação por articulação, ela usa um design de sete graus de liberdade focado nas funções que importam: escolher pontos de contato, reorientar objetos na mão e alternar entre pegadas de precisão e de força.

A ergonomia é tratada como questão de qualidade de dados — uma luva que escorrega gera pegadas “compensadas”. Um mecanismo de flexão distal absorve diferenças no comprimento dos dedos, eliminando a necessidade de ajuste por usuário.

Captura em velocidade humana

A interface combina sensoriamento tátil de alta frequência, sensores de proximidade para a aproximação pré-contato e câmeras in-hand de obturador global. No rastreamento de pose, a equipe substituiu a inércia visual padrão por sensing eletromagnético com compensação de distúrbios: em testes a oito velocidades (de 3 a 67 cm/s), o erro de overshoot médio caiu de 24,9 mm para 9,5 mm — uma redução de 60% na maior velocidade.

Treinamento em estágio único

O OM-1 gera ações do robô diretamente a partir do movimento humano, sem rotear por um robô intermediário. Cada modalidade é processada na sua própria taxa de amostragem — imagens, sinais táteis, proximidade e trajetórias de pose — sem redução a uma frequência comum. Abaixo da política, uma camada de controle treinada com aprendizado por reforço roda em seu próprio relógio, tratando dinâmica, distúrbios externos e atrasos do sistema, o que permite abrir uma porta de geladeira totalmente fechada ou levantar caixas de peso desconhecido.

A Reward AI afirma que o OM-1 aprende uma tarefa nova — incluindo dinâmicas desafiadoras e horizontes longos — a partir de menos de 30 minutos de dados humanos. Vale a ressalva: não foram divulgados pesos, código, dataset ou API, e não há taxas de sucesso nem comparações públicas com baselines — as afirmações são sustentadas por demonstrações, não por benchmarks.