Na Conferência Mundial de Inteligência Artificial de Xangai em 2026, seis robôs aceitaram um desafio público incomum: montar um grande model...
Na Conferência Mundial de Inteligência Artificial de Xangai em 2026, seis robôs aceitaram um desafio público incomum: montar um grande modelo da Grande Muralha usando 81.920 microblocos de montar em 15 horas.
A estrutura final media aproximadamente 3,5 metros de comprimento, 1,5 metro de largura e 1,1 metro no ponto mais alto. Quatro robôs de mesa e dois robôs humanoides com rodas participaram da operação, sendo responsáveis desde o精细 posicionamento dos blocos até o transporte e montagem de módulos maiores.
De acordo com relatos originais, esses robôs operavam de forma autônoma, sem necessidade de controle remoto ou scripts de movimentos fixos pré-definidos. Eles precisavam perceber o espaço de trabalho, decidir a próxima ação, coordenar-se entre si, detectar erros de posicionamento e corrigir desvios durante o processo de construção.
Um robô trabalhando ao lado da grande exibição da Muralha de blocos.
O desafio foi organizado pela Dexmal (nome chinês: 元力灵机). A empresa o utilizou como um teste público para avaliar se a inteligência incorporada poderia superar as limitações de demonstrações curtas e executar tarefas de longa duração, alta precisão e que exigem coordenação física em um ambiente real de exposição.
Observação sobre precisão: Descrições como "primeiro do mundo", "totalmente autônomo" e "líder do setor" são provenientes da Dexmal ou de relatos originais. Demonstrações públicas e materiais técnicos apoiam a configuração geral, mas as fontes de informação não fornecem uma auditoria independente completa de cada detalhe operacional.
A Grande Muralha de blocos pode parecer, à primeira vista, um artifício projetado exclusivamente para o local da exposição. No entanto, ao decompor seus requisitos técnicos, essa tarefa aborda três dificuldades que há muito impedem que robôs saiam de demonstrações em laboratório para aplicações práticas de produção.
Os blocos precisam ser encaixados de forma firme e consistente. Portanto, os robôs devem executar movimentos controlados em uma faixa de aproximadamente 0,1 a 1 milímetro.
Essa precisão exige a coordenação de múltiplas capacidades:
O desafio não se limitava a mover objetos de um lugar para outro. Cada bloco precisava ser alinhado, pressionado no lugar e integrado à estrutura circundante, sem danificar os blocos já posicionados.
Os relatos originais compararam a estabilidade necessária com o tremor natural da mão humana em repouso (que pode atingir escalas semelhantes). O ponto prático é direto: o robô deve manter precisão e consistência ao longo de milhares de repetições.
O segundo desafio é a coordenação.
O sistema era composto por seis robôs, com dois tipos de corpos diferentes. Eles compartilhavam o mesmo espaço de trabalho físico e precisavam dividir tarefas, sem colidir entre si ou repetir a mesma operação.
Os relatos indicam que não havia um operador humano em um console central comandando continuamente toda a equipe. Em vez disso, cada robô percebia autonomamente seu ambiente, tomava decisões locais e se comunicava com os outros para negociar a distribuição de tarefas.
Operações mais finas e precisas podiam ser atribuídas aos robôs de mesa, enquanto os robôs humanoides com rodas ficavam responsáveis pela movimentação, transporte e etapas de montagem em maior escala.
A coordenação multiagente é comum em simulações e artigos de pesquisa. No entanto, fazer robôs heterogêneos trabalharem juntos por longos períodos em um ambiente de exposição lotado é muito mais difícil, pois atrasos de comunicação, erros de percepção, obstáculos físicos e desvios de posicionamento acumulados afetam todo o processo.
O último desafio é a duração.
Um robô executando movimentos cuidadosamente selecionados em alguns minutos pode ser impressionante. Mas uma tarefa de 15 horas apresenta uma questão diferente: o sistema consegue manter a precisão e se recuperar de pequenos erros à medida que o número de ações aumenta?
Cada bloco trazia um novo risco de desalinhamento. Um pequeno erro no início da construção poderia afetar as partes subsequentes, exigindo que o sistema tivesse um ciclo fechado:
O teste combinado de precisão, coordenação e duração visava verificar se a IA incorporada poderia produzir trabalho útil por longos períodos, e não apenas uma demonstração curta e isolada.
O desafio multi-robô atraiu muitos visitantes na exposição WAIC 2026.
O hardware usado no desafio incluía o Dexmal Apex, que a empresa descreve como um robô de uso geral nativamente incorporado. A Dexmal afirma que o Apex combina seu design de hardware com um modelo fundamental incorporado para suportar operação de longa duração, manipulação fina, generalização de tarefas mais ampla e interação segura em meio a multidões.
Os robôs são a parte visível da demonstração. A inteligência subjacente vem do mais recente modelo fundamental incorporado da Dexmal, o DM0.5.
A Dexmal lançou o DM0.5 no evento para desenvolvedores Action 2026, no início de julho. O modelo é o sucessor do DM0, projetado para controle robótico em mundo aberto, e não para uma série fixa de tarefas com script.
O DM0.5 visa generalizar tarefas robóticas em mundo aberto.
O blog técnico oficial da Dexmal afirma que o modelo adota uma arquitetura visão-linguagem-ação, incluindo:
Relatos originais indicam que o modelo foi treinado com cerca de 150.000 horas de dados de múltiplas fontes, incluindo operações robóticas reais, atividades humanas em primeira pessoa, navegação, ambientes reconstruídos e dados gerais de visão-linguagem.
Os relatos afirmam que, em comparação com o DM0, a quantidade de dados aumentou 400%, enquanto o número de parâmetros aproximadamente dobrou.
No entanto, a mudança mais importante não foi apenas o aumento de escala. A Dexmal adicionou vários mecanismos projetados para ajudar o modelo a entender o progresso da tarefa, raciocinar sobre o ambiente físico e aprender ações sem replicar os vieses temporais individuais dos operadores humanos.
Diagrama oficial da arquitetura do DM0.5, mostrando a espinha dorsal VLM, a camada de contexto, as tarefas de raciocínio e o Action Expert.
O texto original destaca três novos componentes arquiteturais. Cada um visa diferentes pontos fracos em tarefas corporificadas de longo prazo.
Modelos VLA tradicionais geralmente tomam decisões apenas com base na imagem atual da câmera e no estado atual do robô. Isso funciona para ações curtas, mas se torna frágil quando as informações necessárias para tarefas posteriores não estão visíveis.
O DM0.5 adiciona uma Camada Abstrata de Contexto, que combina a observação atual com informações visuais selecionadas do histórico recente. De acordo com a Dexmal, o modelo pode integrar contexto de tarefa de até 60 segundos.
Durante o treinamento, o comprimento e a disponibilidade das informações históricas variam. Se as informações passadas estiverem ausentes ou inúteis, o modelo é treinado para recorrer à observação atual, em vez de falhar completamente.
A Dexmal explica isso com um experimento simples: pegar um copo, limpar a área abaixo dele e, em seguida, colocá-lo de volta no lugar.
Assim que o copo é pego, sua posição inicial desaparece da imagem atual. Um modelo focado apenas no presente pode colocá-lo de volta em qualquer lugar. Um modelo com contexto histórico pode lembrar onde o copo estava antes de ser movido.
Para a tarefa da "Grande Muralha", o mesmo princípio é crucial em uma escala maior. O robô precisa entender quais partes já foram montadas, como a estrutura local mudou e qual deve ser o próximo passo no processo.
Raciocínio e ação em paralelo
O DM0.5 também adiciona 11 tarefas de raciocínio autorregressivo ao treinamento com dados de robôs.
O modelo é treinado para usar a imagem atual, o estado do robô, as instruções e o contexto histórico para responder a perguntas restritas. Essas perguntas abrangem:
Isso transforma o sinal de treinamento de mera previsão de ações para uma combinação de:
Na prática, o robô não apenas entende qual comando motor executar sob uma imagem específica, mas também expressa por que essa ação é adequada.
Isso é particularmente crítico para uma tarefa envolvendo 81.920 blocos de montar. O sistema não pode tratar cada ação de posicionamento como um evento isolado, mas deve conectar ações individuais ao progresso de toda a construção.
A maioria dos dados de demonstração de robôs é coletada por teleoperação humana. Diferentes pessoas executam a mesma tarefa com velocidades, pausas e estilos de movimento variados.
Se um modelo for forçado a alinhar cada ação prevista a um carimbo de data/hora fixo no registro da demonstração, ele pode aprender o ritmo do operador, e não a tarefa subjacente.
A Camada de Alinhamento de Trajetória do DM0.5 alinha as ações com base no progresso da tarefa, não no tempo exato.
Cada ação prevista é combinada com um ponto apropriado na trajetória real. A correspondência deve avançar monotonicamente, para que as ações previstas subsequentes não possam ser emparelhadas com partes iniciais da demonstração. Em seguida, a programação dinâmica é usada para encontrar correspondências de baixa perda em toda a sequência.
Esta abordagem visa destacar eventos físicos importantes, como:
A velocidade pessoal do operador torna-se menos importante, enquanto a estrutura significativa da tarefa fica mais clara.
A Dexmal afirma que isso melhora a generalização entre diferentes demonstradores e velocidades de execução.
A demonstração da Grande Muralha é um teste público aberto. A Dexmal também avaliou o DM0.5 em benchmarks robóticos padronizados.
No RoboChallenge Table30 V2, a empresa relata:
O Table30 V2 contém 30 tarefas reais de operação robótica, abrangendo quatro formas de robôs. O benchmark inclui memória de longo prazo, execução de várias etapas, localização de alvos, pegar e colocar precisos, uso de ferramentas e coordenação bimanual.
O conjunto de dados e a estrutura de avaliação são documentados publicamente através do RoboChallenge e do Hugging Face, enquanto o método Table30 V2 também foi publicado como um artigo de workshop na CVPR 2026.
Esses resultados são relevantes para o desafio da Grande Muralha porque ambos os cenários testam se o modelo pode coordenar percepção, progresso da tarefa, movimentos finos e execução física, em vez de apenas reconhecer objetos ou gerar instruções de texto.
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
Apenas um modelo base forte não é suficiente para sustentar uma demonstração pública de 15 horas.
O relatório original aponta que a Dexmal também usou a estrutura DFOL 2.0 no pós-treinamento. Esta estrutura integra o Modelo de Mundo DW0.5, permitindo ensaiar e refinar tarefas parciais em ambientes virtuais ou gerados por modelo antes da implantação total em hardware físico.
A ideia básica é deixar o sistema ensaiar internamente ações caras.
O desenvolvimento robótico tradicional geralmente depende de tentativas físicas repetidas:
Esse processo é lento e caro. Robôs reais se desgastam, espaços de trabalho físicos precisam ser reiniciados, e cada tentativa fracassada consome tempo de engenharia.
O modelo de mundo pode transferir parte da experimentação para simulação ou previsão aprendida. A política do robô pode testar ações possíveis, estimar resultados prováveis e refinar a execução da tarefa antes de ocupar tempo valioso de máquina real.
Para uma tarefa de construção em larga escala, isso reduz o número de tentativas e erros que devem ser realizados na frente de uma audiência. Também oferece à equipe uma maneira de ensaiar o fluxo, estudar possíveis pontos de falha e reservar o hardware real para a validação final.
A fonte não forneceu uma implementação pública do DFOL 2.0 nem detalhou quanto da tarefa da Grande Muralha foi concluída em simulação. Portanto, esta descrição deve ser entendida como a explicação da Dexmal sobre seu processo de pós-treinamento, não como um resultado independente e reproduzível.
Por que usar mais de 80 mil blocos de montar?
Esses blocos criam um teste compacto para várias habilidades cruciais na manufatura flexível:
Robôs industriais tradicionais são muito eficientes quando as tarefas são repetitivas, padronizadas e rigidamente controladas. Mas são menos flexíveis quando a posição dos objetos varia, as propriedades do material diferem ou a ação correta depende do julgamento visual.
O relatório original argumenta que ainda há trabalho de manufatura que depende de humanos porque essas operações são delicadas, não padronizadas, flexíveis ou altamente dependentes de percepção. Por exemplo:
A afirmação precisa de que tais tarefas representam os "últimos 20%" da manufatura deve ser vista como uma expressão na fonte de informação, não como uma estatística universal do setor.
No entanto, a conexão é clara. A Grande Muralha é um objeto de exibição, mas as capacidades testadas — operação fina, operação sustentada e coordenação multi-robô — estão diretamente ligadas a linhas de produção flexíveis.
A Dexmal foi fundada em março de 2025. O relatório original afirma que sua equipe principal inclui ex-pesquisadores e engenheiros da Megvii e que já recebeu várias rodadas de investimento.
Sua missão declarada é construir robôs inteligentes, úteis e confiáveis.
A Dexmal descreve sua direção tecnológica como desenvolvimento nativo incorporado (embodied native). A empresa não adapta modelos voltados principalmente para textos ou imagens da internet, mas treina seus modelos em torno das necessidades de operação de robôs no mundo físico.
O DM0 é seu primeiro modelo nativo incorporado. O DM0.5 expande a partir dele, com memória mais longa, maior capacidade de raciocínio, mais dados de treinamento, suporte a múltiplas formas e capacidade aprimorada de generalização em mundos abertos.
A empresa também desenvolveu uma infraestrutura em torno desse modelo.
Dexbotic é um kit de ferramentas de código aberto Visão-Linguagem-Ação baseado em PyTorch. Ele fornece um ambiente de desenvolvimento unificado para treinar e avaliar diversas estratégias de VLA.
O framework inclui:
O Dexbotic está disponível publicamente através de sua documentação oficial e repositório no GitHub.
RoboChallenge é uma plataforma de avaliação robótica em grande escala no mundo real, desenvolvida em conjunto com a Hugging Face.
A plataforma visa tornar os testes de políticas robóticas mais reproduzíveis, permitindo que os modelos sejam avaliados em tarefas físicas e configurações de hardware compartilhadas.
Seus benchmarks Table30 e Table30 V2 abrangem múltiplas formas robóticas e tarefas operacionais reais. Conjuntos de dados públicos, artigos e recursos de avaliação estão disponíveis através do RoboChallenge e da Hugging Face.
O portfólio de aplicações comerciais da Dexmal também inclui Atomix, um negócio flexível de automação de armazéns.
A reportagem original afirma que a Atomix integra processos de armazenamento, transporte e separação, e teve parcerias com grandes clientes nos setores de varejo, bebidas e serviços alimentícios. Essas alegações de clientes e posicionamento de mercado são baseadas nessa reportagem e não foram verificadas de forma independente por este artigo.
DM0.5, Dexbotic, RoboChallenge e Atomix juntos formam uma estratégia de pilha completa:
A Grande Muralha foi a demonstração pública mais marcante da tecnologia de pilha completa na WAIC 2026.
O desafio robótico público não prova que a IA incorporada geral (General Embodied AI) foi resolvida.
Mas ele realmente fornece um teste útil para várias capacidades que são normalmente avaliadas separadamente:
A parte mais crítica da demonstração não é a parede em si. Mas sim a tentativa de fazer com que seis máquinas físicas operem em conjunto por tempo suficiente para expor pequenas falhas e problemas de coordenação.
Inevitável.
Os materiais oficiais do DM0.5 publicados pela Dexmal finalmente apontam que o mundo real deve ser o melhor professor para os robôs. Nesta visão, cada tentativa, sucesso, falha e correção se tornam novas informações que ajudam o sistema a melhorar.
Na Conferência Mundial de Inteligência Artificial de 2026, robôs montavam miniblocos de construção. O objetivo de longo prazo é trazer o mesmo processo de aprendizado e execução em ciclo fechado para ambientes de trabalho na manufatura, logística, serviços e outras áreas onde as tarefas não podem ser totalmente pré-programadas.
Um total de seis robôs participaram: quatro robôs de mesa e dois robôs humanoides com rodas. Eles colaboraram na mesma área física, lidando com diferentes aspectos do processo de construção.
O modelo usou um total de 81.920 miniblocos de construção. A estrutura tinha aproximadamente 3,5 metros de comprimento, 1,5 metros de largura e seu ponto mais alto era de cerca de 1,1 metro.
O tempo de operação contínua planejado foi de 15 horas. O desafio visava testar a capacidade do robô de manter precisão e coordenação durante atividade física prolongada.
Os relatórios originais indicam que os robôs não foram operados remotamente de forma contínua, nem dependeram de scripts de ação totalmente fixos. Eles usaram percepção, tomada de decisão local, comunicação e capacidade de correção de erros, mas a fonte não incluiu uma auditoria técnica completa e independente da configuração operacional.
DM0.5 é um modelo fundamental de Visão-Linguagem-Ação de mundo aberto desenvolvido pela Dexmal para controle robótico. Ele usa um backbone de Visão-Linguagem Gemma 3 4B, um módulo especialista em ação de 680M, modelagem de contexto histórico, tarefas de raciocínio incorporado e técnicas de alinhamento de trajetória.
A Dexmal lançou o repositório de código OpenDM sob a licença Apache 2.0 e publicou os recursos do modelo DM0.5 através da Hugging Face. O repositório inclui pesos de modelo, scripts de treinamento e inferência, exemplos de conjuntos de dados e fluxos de trabalho de avaliação.
O Table30 V2 é um benchmark robótico do mundo real que compreende 30 tarefas de manipulação em quatro formas robóticas. As capacidades avaliadas incluem memória de longo prazo, execução sequencial, manipulação fina, interação com ferramentas e coordenação bimanual.
Não. A demonstração mostra avanços na precisão, operação de longa duração e coordenação dos robôs, mas não prova que todas as tarefas de manufatura flexível estão prontas para automação. O ambiente de produção real ainda requer validação adicional de segurança, confiabilidade, integração, custo e manutenção.
Documentação do Dexbotic: Fornece guias oficiais de instalação, arquitetura, treinamento, dados, inferência e desenvolvimento de modelos.
cn/en-ParticipateExplore/20260717/36193160d9d94efb9c0aa5fa4fbed5fd.html): Xangai confirmou oficialmente que seis robôs montaram uma maquete da Grande Muralha em 15 horas no estande da exposição.
Na Conferência Mundial de Inteligência Artificial de 2026, seis robôs Dexmal trabalharam continuamente por 15 horas para construir uma maquete da Grande Muralha com 81.920 blocos de micro montagem. Esta tarefa combinou capacidades de posicionamento submillimétrico, colaboração multi-robô, operação de longo ciclo e correção de erros em malha fechada.
A demonstração foi impulsionada pelo modelo fundamental incorporado de código aberto da Dexmal, o DM0.5. Suas principais novas funcionalidades incluem: memória de contexto histórico de até 60 segundos, tarefas de raciocínio incorporado e uma técnica de alinhamento de trajetória que reduz o impacto das diferenças de velocidade na teleoperação humana.
A Dexmal também adotou técnicas de pós-treinamento baseadas em modelos mundiais e conectou esta demonstração ao seu portfólio mais amplo de produtos OpenDM, Dexbotic, RoboChallenge e automação de armazéns. É importante notar que algumas declarações sobre desempenho e posicionamento de mercado ainda são auto-relatadas pela empresa e não foram verificadas de forma independente.
A Grande Muralha foi apenas o veículo da demonstração; o verdadeiro teste foi: a IA incorporada consegue manter precisão, coordenação e utilidade durante um turno inteiro de trabalho?
Comece com uma frase e tenha um site completo em minutos.
