Na CES 2026, a conversa sobre robótica mudou silenciosamente. Menos pessoas perguntam se os robôs podem se mover mais rápido ou levantar objetos mais pesados. Mais pessoas estão perguntando algo mais difícil: por que os robôs ainda lutam fora das demonstrações controladas – e o que falta para torná-los confiáveis no mundo actual?
Para muitos na indústria, a resposta são os dados. Não são dados sintéticos ou movimentos programados, mas dados de interação reais que capturam como os objetos se comportam quando são tocados, empurrados, comprimidos ou movidos.
Esse é o problema que a Daimon Robotics está tentando resolver com o DM-EXton2, um sistema de aquisição de dados baseado em teleoperação revelado na CES deste ano. Não é um produto de consumo. É uma ferramenta profissional projetada para ajudar os robôs a aprenderem com a interação humana em grande escala.
Os robôs não são burros – eles são inexperientes
Avanços recentes na IA melhoraram dramaticamente a percepção, a compreensão da linguagem e o raciocínio. Mas a interação física continua sendo um ponto fraco. Um robô pode reconhecer um objeto perfeitamente e ainda assim falhar quando solicitado a pegá-lo, inseri-lo ou manipulá-lo com segurança.
A razão é simples: o mundo físico é confuso. Força, atrito, deformação e contato mudam de momento a momento e esses sinais são difíceis de capturar de forma limpa. A maioria dos robôs simplesmente não viu esses dados o suficiente.
Os métodos tradicionais de coleta de dados apresentam compensações. Ambientes de captura dedicados são caros e trabalhosos, mas ainda produzem dados reutilizáveis limitados. A simulação é mais barata, mas a lacuna entre a física digital e a realidade muitas vezes leva a modelos que funcionam no laboratório e falham na prática.
Pior ainda, muitos sistemas existentes interferem no próprio comportamento que tentam registrar. Equipamentos volumosos restringem o movimento pure, enquanto a detecção limitada perde a força sutil e os sinais táteis nos quais os humanos confiam instintivamente.
O que um sistema robótico de aquisição de dados realmente faz
Um sistema de aquisição de dados baseado em teleoperação aborda o problema de forma diferente.
Com base nas abordagens tradicionais de teleoperação, um sistema de aquisição de dados baseado em teleoperação registra dados de interação em tempo actual com maior consistência entre vários sinais. Um operador humano controla remotamente um robô para executar tarefas reais – agarrar objetos, inserir componentes ou manipular ferramentas – enquanto o sistema captura dados de movimento, tempo, contato e força simultaneamente.
Na verdade, o robô aprende observando e sentindo como um ser humano faz o trabalho. Quanto mais próxima esta configuração estiver do comportamento humano pure, mais úteis se tornarão os dados resultantes.
Criado para dados do mundo actual, não para demonstrações
O DM-EXton2 é o primeiro sistema de teleoperação com suggestions tátil do mundo para aquisição robótica de dados, projetado para capturar dados de interação de alta qualidade de tarefas do mundo actual.
Ele foi projetado com base na capacidade de resposta e flexibilidade de implantação, em vez de especificações vestíveis. Operando a uma taxa de resposta de 1.000 Hz, o sistema permite sincronização de comandos em nível de milissegundos que suporta teleoperação suave e de baixa latência durante a coleta de dados.
Também suporta teleoperação de corpo inteiro, incluindo controle coordenado de bases móveis e articulações da cintura, ampliando a gama de tarefas que podem ser capturadas. Juntamente com a escala de movimento adaptativa e a troca rápida do efetor ultimate, esses recursos permitem que um único sistema suporte manipulação precisa e movimentos de grande alcance sem interromper o processo de coleta de dados.
Para acomodar diferentes ambientes de trabalho, o DM-EXton2 está disponível em duas configurações: uma versão mochila adequada para configurações móveis de coleta de dados e uma versão montada em suporte projetada para estações de trabalho fixas. Isso permite que os operadores escolham o formato que melhor se adapta ao seu fluxo de trabalho, quer os dados estejam sendo capturados em espaços dinâmicos ou em ambientes estáveis e repetíveis.
Colocando força e tátil no loop
O ponto em que o DM-EXton2 mais se destaca é na combinação de suggestions de força do lado do operador com detecção tátil para coleta de dados.
O sistema traz estas capacidades de força para uma estrutura de teleoperação mais ampla, permitindo uma manipulação mais pure e precisa durante a recolha de dados. À medida que o robô interage com seu ambiente, as forças de contato são devolvidas ao operador em tempo actual. Tarefas como manusear objetos frágeis ou realizar inserções precisas tornam-se mais intuitivas, mesmo quando a visão do robô está parcialmente obstruída.
Não se trata apenas de melhorar a experiência de controle do operador. No nível do robô, sinais táteis e de força são registrados juntamente com dados de movimento, criando conjuntos de dados multimodais que refletem como os humanos realmente interagem com os objetos. Esses dados são essenciais para ensinar aos robôs não apenas como se mover, mas também como avaliar o contato e se adaptar às restrições físicas.
De experimentos isolados a aprendizado repetível
Ao sincronizar movimento, força e toque, o DM-EXton2 atua como uma ponte entre a habilidade humana e o aprendizado de máquina. A intuição humana torna-se dados estruturados com os quais os robôs podem aprender, reutilizar e aplicar em tarefas.
Essa mudança é importante. Em vez de coletar pequenos conjuntos de dados específicos de tarefas, as equipes podem construir pipelines contínuos para geração de dados. Com o tempo, isso permite um treinamento de modelo mais rápido e uma implantação mais confiável.
Fechando o ciclo
O sistema também se enquadra em uma mudança mais ampla na forma como os robôs são desenvolvidos. A coleta de dados, o treinamento do modelo e a implantação não são mais etapas separadas. Eles formam cada vez mais um loop.
Dados de interação de alta qualidade alimentam modelos multimodais – incluindo estruturas de visão-tátil-linguagem-ação – que melhoram o comportamento do robô. O uso no mundo actual gera então novos dados que refinam o próximo ciclo de treinamento.
Para que esse ciclo funcione, os dados precisam round livremente. Padronização e compatibilidade não são boas; eles são pré-requisitos.
Onde a Daimon Robotics se encaixa
A Daimon Robotics concentra-se nas tecnologias que apoiam a aprendizagem dos robôs, em vez de construir robôs completos. Seu trabalho abrange detecção tátil, {hardware} de manipulação hábil e sistemas de teleoperação projetados para apoiar a coleta de dados em grande escala.
A empresa foi incubada na Universidade de Ciência e Tecnologia de Hong Kong e fundada pelo professor Yu Wang, diretor fundador do HKUST Robotics Institute, juntamente com o Dr. A equipe combina pesquisa acadêmica com experiência na implantação de tecnologia robótica fora do laboratório.
Dentro desta abordagem, o DM-EXton2 serve como um componente chave da estratégia “3D” da Daimon Robotics – Dispositivo, Dados e Implantação. Aproveitando o foco de longo prazo da empresa na detecção tátil e na manipulação hábil, o sistema ajuda a transformar dados de força e toque em entradas utilizáveis para modelos de aprendizagem avançados, apoiando o progresso em direção a uma capacidade robótica de uso mais geral.
Por que isso é importante
À medida que os robôs se aproximam dos ambientes quotidianos, o progresso dependerá menos de algoritmos inteligentes e mais da capacidade das máquinas aprenderem com o mundo físico em que operam.
O DM-EXton2 não promete autonomia instantânea. Em vez disso, serve como uma ponte crítica, permitindo que os robôs sejam guiados através de tarefas do mundo actual, para que dados de interação de alta qualidade possam ser capturados como base para capacidades mais gerais.
Você pode aprender mais sobre a Daimon Robotics através de seu site da empresa, Perfil do LinkedIn e Conta do YouTube.
