Robôs domésticos raramente falham porque não sabem executar um passo uma vez. Falham porque algo dá um pouco errado, uma pegada escorrega ou um filtro dobra, e o robô não tem um bom jeito de mudar a tentativa seguinte. Um novo preprint, o A2-MEAS, foi construído em torno desse problema, e seu número mais convincente vem de fazer café.
O sistema tem duas camadas. O modelo de ação, o A2-WLA, é uma política de visão, linguagem e ação, ou seja, transforma imagens de câmera e instruções em comandos motores, ampliada com uma memória do movimento recente e um pequeno modelo de mundo que prevê as próximas características visuais. Acima dele, um coordenador de visão e linguagem chamado MetaBrain acompanha o objetivo da tarefa, examina resultados inesperados e recorre a ajudantes de diagnóstico para localizar, segmentar e rastrear objetos e medir profundidade. O diagnóstico vira um código de correção aprendido que junta a instrução de recuperação, as evidências espaciais, o que o robô já fez e uma nova proposta de ação. Um adaptador usa esse código para orientar a próxima trajetória da política. No treinamento, as correções ensinam o adaptador; na implantação, códigos novos mudam o comportamento enquanto todos os pesos ficam fixos.
Os resultados relatados são fortes. No conjunto público completo de 100 tarefas do benchmark de simulação doméstica BEHAVIOR 2026, o sistema completo chegou a um Q-score de 0,6411 e 45,40% de sucesso em tarefas completas. Em 12 tarefas reais sobre mesa em cinco ambientes domésticos, o modelo de ação teve média de 57,92% de sucesso, contra 26,67% do pi0.5, uma política aberta muito usada. O teste do café é o revelador: em dois passos que envolvem manusear o filtro, o adaptador de correção elevou a conclusão após uma falha de 14,00% para 94,00% e de 8,00% para 82,00%, em comparação com simples novas tentativas. A infraestrutura de treinamento da equipe também chegou a 427,1 amostras por segundo, cerca de 4,03 vezes uma configuração de referência do pi0.5 em hardware equivalente.
O trabalho está num campo que anda depressa. Os autores observam que o GPT-6 Astra já supera 40 políticas públicas num benchmark de robótica, e outros sistemas recentes, como o Gemini Robotics 2.5 e o RoboScript, também se apoiam em modelos grandes para raciocinar. A aposta do A2-MEAS é que uma política treinada e compacta, mais uma consulta ocasional a um raciocinador mais forte, supera qualquer um dos dois sozinho.
Leia com cuidado as comparações de destaque. A alegação de cerca de 2,21 vezes a nota do vencedor do BEHAVIOR 2025 compara um subconjunto público de 2026 com um resultado de 2025, com edições do benchmark e configurações de treinamento diferentes, como o próprio resumo admite. Os testes com robô real cobrem 12 tarefas em cinco ambientes, uma amostra pequena diante da variedade das casas reais. Código e modelos foram prometidos, mas não lançados, e o preprint não passou por revisão por pares.