Demonstrações de robôs impressionam, mas ensinam pouco: um vídeo de robô dobrando roupa raramente diz o que ele aprendeu ou por que falha. A Ai2, o Allen Institute for AI, lançou o ToyBlocks, um mundo simulado propositalmente pequeno, pensado para funcionar como uma placa de Petri do aprendizado robótico, em que pesquisadores podem mudar uma coisa só, repetir um teste e rastrear uma falha.
O mundo é um braço robótico e blocos com letras ou figuras sobre uma mesa. As tarefas incluem empurrar, virar, empilhar e procurar, já que o robô pode precisar girar um bloco para ver uma face escondida. As habilidades são aprendidas com aprendizado por reforço e planejamento de movimento no Isaac Lab, da Nvidia, e um planejador as encadeia em tarefas longas, gerando demonstrações automaticamente, sem horas de teleoperação humana. Rodar centenas de planos em paralelo numa GPU chega a até 24 vezes o tempo real. O primeiro lançamento traz 85.336 demonstrações longas, quase 1.600 horas de execução robótica e 144 milhões de quadros, além de dois modelos treinados, código de treinamento e conjuntos de avaliação.
Os primeiros resultados são instrutivos. Modelos de ação populares, entre eles pi0.5, ManiFlow e MolmoAct 2, generalizaram mal no início quando os blocos apareciam em regiões ou alturas de pilha que não tinham visto no treinamento; a Ai2 diz que o problema está longe de resolvido. A passagem para o hardware foi melhor: o sucesso do ManiFlow em habilidades isoladas foi de 80,0% na simulação e 81,1% num braço Franka real, e um sistema combinado com o Molmo 2 no planejamento chegou a 55,5% das tarefas de soletrar simuladas e 50,0% das reais, 15 de 30. A Ai2 também colocou o Claude Opus 5.5 para agir como agente por meio de ferramentas MCP. Ele resolveu os 30 quebra-cabeças clássicos de empilhar blocos e, numa tarefa mais difícil, achar letras para formar uma palavra ou declarar que era impossível, acertou 63% das vezes, tropeçando sobretudo em letras parecidas e blocos de lado. Quando o agente fez os próprios experimentos e escreveu as próprias descrições das habilidades, o sucesso subiu de 24% para 63%, acima dos 36% com descrições de um especialista.
Para quem acompanha nossa cobertura de modelos para robôs e do Claude Opus 5.5, a parte útil é a comparação controlada. Um mundo comum e aberto, cujos resultados comprovadamente se transferem para um braço real, permite que os laboratórios testem alegações em condições iguais, e não por vídeos escolhidos a dedo.
Os limites estão no próprio desenho. Blocos sobre uma mesa são uma fatia estreita do trabalho físico, e uma boa transferência aqui não garante transferência com tecido, líquidos ou cozinhas bagunçadas. Os testes com robô real são pequenos, e a própria Ai2 diz que são precisas mais execuções para ter confiança estatística. É um texto de lançamento do próprio desenvolvedor, não um estudo revisado por pares.