A AgiBot apresentou o GO-3 Preview, a próxima geração do seu modelo de base para robôs, e junto com ele propôs uma métrica nova. O Worken tenta medir quanto trabalho útil um robô entrega de verdade, e não quantas unidades saíram da fábrica.
O que é o GO-3 Preview, da AgiBot
A apresentação foi em 29 de outubro, em Xangai, no AGIBOT Innovation Day 2026. O GO-3 Preview é a prévia da próxima geração do modelo de base para inteligência encarnada da empresa, ou seja, o cérebro que comanda o corpo físico.
Modelo de base, aqui, quer dizer um modelo treinado em muitos tipos de tarefa e depois adaptado a situações específicas. A alternativa tradicional é programar cada movimento: pegar a garrafa, girar a tampa, apoiar o copo. Um modelo de base tenta aprender o padrão geral e reaproveitar em tarefas que ninguém ensinou de antemão.
A AgiBot diz que vai abrir o modelo completo até o fim de 2026. Até lá, o que existe é a prévia, com demonstrações escolhidas pela empresa.
A arquitetura WRAM: prever o resultado antes de mover o braço
O nome é World Reasoning Action Model, algo como modelo de raciocínio e ação no mundo. A ideia central é juntar três etapas que costumam viver separadas: entender o pedido, prever o que vai acontecer e gerar o movimento.
Numa tarefa simples, como tirar um copo de dentro de uma caixa, o sistema interpreta a instrução, estima o resultado provável de cada pegada e só então converte a decisão em trajetória de braço e mão.
A vantagem aparece quando algo dá errado no meio do caminho. Um sistema que só executa um roteiro fixo trava quando o copo está em outra posição. Um sistema que prevê consequências tem chance de corrigir antes de derrubar tudo.
É a diferença entre decorar a resposta e entender o problema. Em robótica, essa diferença custa caro no mundo real, onde a mesa nunca está arrumada como no laboratório.
Como o GO-3 aprende: vídeo de pessoas e trajetória de robôs
O treino combina duas fontes de dados. A primeira é vídeo em primeira pessoa, gravado por humanos fazendo tarefas domésticas: como se segura uma panela, como se abre uma gaveta, como se organiza uma bancada.
A segunda são trajetórias de robôs, com a observação visual pareada ao movimento físico e ao resultado obtido. O objetivo declarado é transformar experiência de origens diferentes em habilidades transferíveis.
O processo tem três fases. No pré-treino, o modelo executa tarefas desconhecidas em ambientes como casa, cozinha e espaço com vários robôs. A AgiBot afirma que, nessa etapa, não é preciso ajuste fino para cada movimento novo.
Depois vem o pós-treino, em que o modelo é especializado em tarefas e equipamentos específicos. A fase final é a implantação, com o modelo rodando no robô que vai trabalhar.
Genie Evolver: cem robôs e um simulador treinando juntos
Um modelo de base precisa de volume de dados que o mundo físico não oferece com facilidade. Coletar milhares de horas de manipulação real é lento e caro.
A resposta da AgiBot é o Genie Evolver, um sistema de pós-treino que mistura dados de aproximadamente 100 robôs físicos com simulação de física e um modelo de mundo. Na simulação, o robô pode errar à vontade, repetir a tentativa e medir o resultado sem quebrar nada.
Simulação não é realidade. A distância entre as duas é justamente o que separa uma demonstração bonita de um produto que funciona oito horas por dia. A empresa diz que o sistema foi desenhado para reduzir essa distância, mas não apresenta números públicos sobre essa transferência. Falta prova pública.
As demonstrações que a AgiBot escolheu mostrar
Todas as cenas abaixo são relatos da empresa. Não houve verificação independente nem protocolo público de teste.
No curling de mesa, o robô teria superado a média dos humanos testados depois de quatro horas de prática online. Em outra demonstração, retirou cinco blocos seguidos de uma torre de montar sem derrubar o restante.
A terceira cena é a mais difícil de acreditar sem ver: preparar um prato do tipo jianbing, uma panqueca chinesa com vários passos e textura irregular, a partir de poucas demonstrações. A quarta mostra montagem de peças de Lego após ajuste fino, com um agente de IA coordenando as etapas.
Existe ainda o Genie Master, um arcabouço de agente que conecta decisão, execução e retorno de informação. Na demonstração, um robô G2 aparece trabalhando numa loja de conveniência real, corrigindo erros no meio do turno e guardando o que aprendeu.
Uma tarefa em vídeo mostra que o caminho existe. Não mostra a taxa de falha em mil tentativas seguidas. Capacidade não é produto.
Worken: medir trabalho, não unidades produzidas
A parte mais curiosa do evento não foi o robô, foi a contabilidade. A AgiBot propôs o Worken, nome que junta as palavras work e token, definido como horas efetivas de trabalho inteligente.
A fórmula tem três fatores: robôs ativos, tempo de trabalho autônomo e razão de eficiência da produção.
Cada fator tem uma regra que tenta fechar brechas. O primeiro conta apenas robôs realmente em operação, e não os que estão na linha de montagem ou no estoque. O segundo conta só o tempo em que a máquina trabalha sozinha, não o tempo em que está ligada.
O terceiro converte o resultado em algo comparável ao trabalho humano, usando o volume aceitável que um trabalhador entrega dentro de um padrão de tarefa definido.
O alvo declarado é mudar a conversa do setor. Hoje se discute quantos robôs foram construídos e quantos foram entregues. A empresa quer trocar a pergunta.
Os números que a AgiBot divulga e o que falta comprovar
Segundo a AgiBot, o modelo ficou em primeiro lugar em três rankings de inteligência encarnada: RoboDojo, RoboTwin e RoboColiseum. A informação é da própria AgiBot e não foi revisada por terceiros até agora.
A taxa de sucesso em cenários reais foi divulgada na casa de 85%, número de origem corporativa que circula em relatos da imprensa especializada, sem metodologia pública.
Benchmark de robótica é um campo movediço. Ambientes diferentes, objetos diferentes e critérios de sucesso diferentes produzem resultados que não se comparam. Um primeiro lugar em três rankings diz menos do que parece.
Isso não invalida o trabalho. Significa apenas que a leitura correta é "a AgiBot afirma", e não "está provado".
O resto do pacote: AHA3, WITA-Omni, G2 Max e Link-U
O evento teve outros anúncios.
O AHA3 é a terceira geração da arquitetura humanoide da empresa e, segundo ela, a primeira plataforma comercial a unir mobilidade, interação e manipulação num mesmo conjunto, com refrigeração líquida e juntas com proteção IP67.
O WITA-Omni é um modelo de interação que trabalha com várias modalidades ao mesmo tempo. O G2 Max é o robô industrial de carga, com 21 graus de liberdade e 40 quilos por braço.
O Link-U OS 1.0, o sistema operacional da companhia para esses robôs, também está previsto para ser aberto até o fim do ano. São anúncios de produto, sem métrica de desempenho.
O que observar daqui até o fim do ano
O compromisso público mais concreto é a abertura do modelo completo do GO-3 até dezembro. É aí que a conversa muda de patamar: com pesos disponíveis, pesquisadores independentes conseguem repetir testes e apontar limites.
Até lá, o Worken segue como proposta, não como padrão. Se outras fabricantes adotarem a métrica, ela ganha peso. Se ficar restrita à AgiBot, vira argumento de marketing com fórmula matemática. Nada obriga o setor a adotar a métrica.
A pergunta que importa para quem pensa em usar robôs em operações reais é direta: quantas horas seguidas a máquina trabalha sem intervenção humana? Nenhuma demonstração de palco responde.
