Seis humanoides da AgiBot concluem 1.730 tarefas em teste de 24 horas em loja de Xangai

Um dia inteiro no balcão, com quatro robôs aprovados

Seis robôs humanoides AgiBot G2 concluíram 1.730 tarefas durante um teste de 24 horas em uma loja de conveniência em funcionamento no distrito de Xuhui, em Xangai. Eles atenderam clientes nos períodos de almoço, noite, madrugada e café da manhã. Quatro dos seis foram aprovados na avaliação de experiência do evento, que analisou a conclusão das tarefas, a velocidade de resposta, o manejo de situações inesperadas e o feedback dos clientes.

O desafio ocorreu das 10h de 2 de novembro às 10h de 3 de novembro. Cada robô tinha uma função fixa, que ia de recepcionar clientes e buscar produtos a preparar café e limpar mesas. A AgiBot informou que a transmissão ao vivo atraiu mais de 2 milhões de espectadores pela internet.

Segundo a contagem final da empresa, a função mais movimentada foi a recepção de clientes, com 683 interações. Os robôs também concluíram 369 buscas e entregas de produtos, prepararam 147 cafés e 126 pedidos de café da manhã, repuseram produtos e verificaram prateleiras 277 vezes e limparam mesas 128 vezes.

O teste reuniu vários problemas complexos em um só lugar: entender o que o cliente quer, encontrar o produto correto, manusear objetos com cuidado e circular entre pessoas. Os avaliadores convidados mudaram produtos de lugar de propósito e bloquearam caminhos, enquanto o comércio seguia normalmente em torno das máquinas.

A AgiBot descreveu a operação como realizada sem intervenção humana, ou seja, sem demonstrações de pessoas ou ajustes manuais na loja. Ainda assim, os resultados publicados deixam uma parte importante do desempenho em aberto: a empresa divulgou o total de tarefas concluídas e as taxas de sucesso da operação anterior à transmissão ao vivo, mas não publicou as taxas de sucesso do teste de 24 horas nem os números de intervenções humanas.

Como os seis robôs dividiram o trabalho

Um robô recepcionava os clientes na entrada. Dois cuidavam da separação de produtos, da reposição e da inspeção das prateleiras. Um quarto preparava café, um quinto trabalhava no caixa e cuidava dos alimentos quentes, e o sexto limpava as mesas.

As funções fixas davam aos robôs cargas de trabalho diferentes. Recepcionar alguém exige uma sequência de ações distinta da necessária para preparar uma bebida ou embalar comida. Mesmo dentro de uma mesma função, o robô podia receber pedidos diferentes, encontrar produtos fora do lugar ou se deparar com um corredor ocupado por um cliente.

As recepções de clientes e as buscas de produtos somaram 1.052 das 1.730 tarefas concluídas, ou cerca de 61%. Isso dá uma ideia de onde se concentrou boa parte da atividade, embora a contagem atribua o mesmo peso a tarefas que podem exigir tempos e esforços muito diferentes.

O total foi:

• Recepção de clientes: 683.
• Buscas e entregas de produtos: 369.
• Preparo de café: 147.
• Atendimento de pedidos de café da manhã: 126.
• Reposição de produtos e verificação de prateleiras: 277.
• Limpeza de mesas: 128.

Considerando os seis robôs, o resultado equivale a cerca de 72 tarefas concluídas por hora para a equipe. A demanda real variou conforme a loja passou pelos horários de maior movimento e pelos períodos mais tranquilos da madrugada.

Clientes e avaliadores mudaram as condições

Os avaliadores convidados desafiaram os robôs com situações que exigiam mais do que lembrar onde os produtos costumam ficar. Eles misturaram refrigerantes comuns e sem açúcar e, em seguida, pediram especificamente a versão sem açúcar. Também desorganizaram uma prateleira inteira de chicletes.

Segundo os relatos, os robôs combinaram o pedido falado da bebida com verificações visuais para identificar o refrigerante correto. No caso dos chicletes, contaram visualmente os itens enquanto reorganizavam a prateleira, em vez de depender das posições indicadas pelas etiquetas de preço.

Os dois testes miravam um problema comum no varejo: a loja diante do funcionário pode estar diferente do layout esperado. Um cliente pode devolver um produto ao lugar errado, e embalagens parecidas podem fazer produtos diferentes parecerem quase idênticos.

Os avaliadores também ficaram nos corredores e deixaram caixas no caminho dos robôs. Segundo os relatos, as máquinas pararam e escolheram novos trajetos para contornar os obstáculos. Em uma loja em funcionamento, deslocamento e atendimento estão interligados: chegar com segurança à prateleira faz parte de atender ao pedido do cliente.

Por que embalar um pão ou abrir a porta de um freezer é difícil

Ren Guanghui, vice-presidente do centro de pesquisa de inteligência incorporada da AgiBot, descreveu lojas de conveniência como ambientes exigentes porque reúnem muitos tipos de produtos, pedidos variados de clientes e ferramentas que os robôs precisam usar. Uma tarefa de fábrica pode ocorrer em um ambiente mais controlado, com uma variedade menor de objetos e movimentos.

Embalar um pão ilustra a dificuldade. O robô precisa usar uma pinça, pegar o alimento e abrir um saco de papel. Cada etapa muda a posição dos objetos e o espaço disponível para o movimento seguinte. Conseguir pegar o alimento com sucesso é apenas uma parte da conclusão do pedido.

A abertura de um freezer criou outra série de problemas durante o desenvolvimento. O robô precisava entender para que lado a porta abria e quanta força aplicar. Depois, tinha de coordenar os dois braços, segurando a porta com um enquanto usava o outro para pegar um produto.

Ren explicou que sensores na cabeça e nos pulsos, junto com sensores de força nos braços, ajudam o robô a avaliar os próprios movimentos. A detecção de força permite que a máquina perceba quanta força está aplicando ao empurrar ou puxar, ajudando-a a evitar uma colisão brusca ou danos à porta.

Algumas das tarefas mais difíceis envolviam produtos que podem dobrar, se deslocar ou quebrar facilmente. Pendurar sacos de doces em ganchos e pegar um bolo macio sem esmagá-lo continuaram sendo tarefas difíceis, e os robôs às vezes falhavam. Esses exemplos mostram por que um teste em loja precisa avaliar a qualidade do manuseio, além do número de tarefas concluídas.

O software que conecta decisões e movimentos

Os seis robôs eram coordenados pelo Genie Master, estrutura de agentes de inteligência incorporada da AgiBot. A empresa afirma que seu Protocolo de Execução Incorporada conecta decisões sobre tarefas, movimentos físicos e feedback sobre os resultados.

Em termos simples, inteligência incorporada é a inteligência artificial que age por meio de uma máquina física. Um robô de loja precisa transformar um pedido em movimentos e, depois, usar seus sensores para verificar o que aconteceu. Pedir uma bebida define um objetivo; encontrar, pegar e entregar o recipiente correto exige uma sequência de ações físicas.

A AgiBot afirma que seu sistema analisa diariamente as execuções bem-sucedidas e as falhas, armazena experiências úteis na memória de longo prazo e transforma tentativas corrigidas em dados de treinamento. Esses dados consistem em exemplos que o sistema pode usar para aprimorar seu comportamento posteriormente.

Ren disse que o sistema de pedidos inicialmente apresentou pedidos não concluídos, atualizações de status que não eram registradas e conflitos entre as posições dos robôs. Os problemas de coordenação do fluxo de trabalho foram analisados no mesmo dia, e as mudanças entraram em vigor no dia seguinte, sem alterar o próprio modelo.

Os robôs também praticavam nos horários mais tranquilos. Ren disse que, durante os períodos ociosos da noite, eles iam até as prateleiras para praticar tarefas mais difíceis. Assim, a loja servia tanto como local de trabalho quanto como ambiente para novos treinamentos, com atividades ocorrendo fora dos horários de maior movimento.

A descrição da empresa conecta várias etapas do desenvolvimento de robôs que muitas vezes são apresentadas separadamente: escolher uma ação, executá-la e aprender com o resultado. A loja de conveniência reuniu essas etapas em uma única operação, na qual um erro em uma delas poderia afetar o restante do pedido.

O que a avaliação mediu e o que ainda falta

Quatro robôs foram aprovados na avaliação de experiência após a análise da conclusão de tarefas, da velocidade de resposta, do manejo de exceções e do feedback dos clientes. Dois não foram aprovados. O resultado publicado não informa os desempenhos individuais nem os motivos da reprovação, além de não apresentar as taxas de sucesso do teste de 24 horas nem os números de intervenções humanas.

Durante a operação na loja de conveniência anterior à transmissão ao vivo, os robôs G2 que usavam o GO-3 Preview elevaram a taxa de sucesso do fluxo de trabalho completo de 28,6% no primeiro dia para 85,7% estáveis no quinto dia. A taxa de sucesso em tarefas individuais foi 17,7 pontos percentuais maior do que com o ajuste fino supervisionado convencional, ou SFT. Esses números se referem à operação anterior à transmissão ao vivo, não ao próprio teste de 24 horas.

Ren disse que a empresa acompanharia um conjunto mais amplo de indicadores: taxa de sucesso das tarefas, sucesso na primeira tentativa, tempo de resposta, tempo total entre o pedido e a conclusão, entregas aceitáveis por unidade de tempo, frequência de intervenções humanas, tempo de recuperação e disponibilidade do sistema.

Esses indicadores respondem a diferentes questões práticas. O sucesso na primeira tentativa mostra se o robô executa uma tarefa corretamente de imediato. O tempo de recuperação mede quanto demora para retomar um trabalho útil depois de um problema. A disponibilidade do sistema indica durante quanto do período previsto de operação o equipamento está pronto para uso.

Um operador de loja precisa desses detalhes porque uma entrega concluída pode resultar de uma ação rápida e tranquila ou de várias tentativas. Da mesma forma, um robô que responde prontamente, mas demora para concluir um pedido, proporciona uma experiência diferente daquela de um robô que executa toda a sequência rapidamente.

A contagem final de tarefas da AgiBot registra o volume de atividades concluídas. Indicadores de desempenho mais completos permitiriam que uma loja avaliasse com que consistência as máquinas poderiam atender os clientes, de quanto apoio precisam e como se recuperam quando algo dá errado.

Dos lançamentos de produtos a um turno na madrugada

O desafio na loja de conveniência encerrou a série de lançamentos AI WAVE da AgiBot, iniciada em 22 de outubro. A série reuniu os conjuntos de dados, a plataforma de simulação, os modelos e o hardware robótico da empresa em uma operação ao vivo.

Os principais marcos foram:

• 22 de outubro: a AgiBot iniciou sua série de lançamentos AI WAVE.
• 2 de novembro, 10h: os seis robôs começaram o desafio na loja de conveniência no distrito de Xuhui, em Xangai.
• De 2 a 3 de novembro: a equipe trabalhou nos picos do almoço e da noite, no turno da madrugada e no pico da manhã.
• 3 de novembro, 10h: o teste terminou, e a AgiBot informou que os robôs haviam concluído 1.730 tarefas e que quatro tinham sido aprovados na avaliação.

Ren apontou o trabalho na madrugada como uma área prática que a empresa está explorando. Lojas que funcionam 24 horas precisam de funcionários em horários que atrapalham o ciclo normal de sono, enquanto algumas tarefas repetitivas exigem longos períodos de atenção.

A AgiBot também está explorando a troca autônoma de baterias para permitir operações prolongadas. Isso permitiria que um robô substituísse uma bateria descarregada e voltasse ao trabalho. A iniciativa faz parte dos planos declarados da empresa para manter longos períodos de operação.

O que o teste significa para o trabalho em lojas

A operação em Xangai colocou robôs em várias funções de atendimento interligadas enquanto os clientes continuavam fazendo compras. Seu aspecto mais relevante na prática é a variedade de trabalhos tentados: conversar com clientes, distinguir produtos, manusear alimentos, usar equipamentos, circular pelos corredores e limpar superfícies compartilhadas.

Os momentos difíceis foram igualmente concretos. Um bolo macio precisa ser segurado com delicadeza. Uma porta de freezer exige força controlada e coordenação dos braços. Um produto fora do lugar requer uma nova verificação visual. Cada ação é simples para um funcionário experiente, mas depende da atuação conjunta de várias capacidades do robô.

Para um varejista que considere equipamentos semelhantes, as questões centrais são a confiabilidade ao longo de um turno, a qualidade do atendimento nos horários de maior movimento e a quantidade de apoio humano necessária. A AgiBot publicou um volume expressivo de atividades e um resultado misto na avaliação de experiência. Os indicadores de desempenho propostos pela empresa forneceriam o próximo nível de detalhe necessário para avaliar o uso rotineiro em lojas.

Principais pontos

• Seis humanoides AgiBot G2 trabalharam de 2 a 3 de novembro em uma loja de conveniência em funcionamento no distrito de Xuhui, em Xangai.
• A AgiBot informou que os robôs concluíram 1.730 tarefas, entre elas 683 recepções de clientes, 369 buscas e entregas de produtos e 147 cafés.
• Quatro robôs foram aprovados na avaliação de experiência do evento; dois não foram.
• Os avaliadores mudaram produtos de lugar e bloquearam corredores, testando a identificação de produtos, o trabalho nas prateleiras e a navegação.
• O manuseio delicado, como pegar um bolo macio e pendurar sacos de doces, continuou sendo difícil.
• A AgiBot descreveu a operação como realizada sem demonstrações de pessoas ou ajustes manuais na loja. Antes da transmissão ao vivo, a taxa de sucesso do fluxo de trabalho completo subiu de 28,6% no primeiro dia para 85,7% no quinto, e a taxa de sucesso em tarefas individuais foi 17,7 pontos percentuais maior do que com o ajuste fino supervisionado convencional. As taxas de sucesso do teste de 24 horas e os números de intervenções humanas não foram divulgados.
• A empresa está explorando o trabalho noturno e a troca autônoma de baterias para períodos de operação mais longos.